ค้นพบความสนใจของคุณ ไปด้วยกัน

ดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

ค้นพบความสนใจของคุณ ไปด้วยกันดีลจริง รีวิวตรงไปตรงมา และเรื่องราวการช้อปปิ้งจากคนที่มีความสนใจเดียวกับคุณ — ทุกวันบน ZestBuy

เอเจนต์ AI อุดช่องโหว่ได้ แต่แพตช์ยังต้องผ่านมือมนุษย์

เอเจนต์ AI อุดช่องโหว่ได้ แต่แพตช์ยังต้องผ่านมือมนุษย์
ความสนใจ|สำรวจการใช้งาน AI

จากค้นพบช่องโหว่ สู่การพิสูจน์และแก้ไข

เอเจนต์ AI ด้านความปลอดภัยซอฟต์แวร์คือระบบที่ใช้ตัวแทนอัตโนมัติหลายตัวตรวจสอบโค้ด พิสูจน์คุณสมบัติด้านความปลอดภัย หรือเสนอแพตช์ โดยยังต้องให้มนุษย์กำหนดขอบเขตและอนุมัติการเปลี่ยนแปลงก่อนใช้งานจริง

ข้อสรุปสำคัญจากความเคลื่อนไหวล่าสุดไม่ใช่ว่า AI จะมาแทนผู้เชี่ยวชาญ แต่คือการย้ายงานซ้ำและงานหนักออกจากคอขวดของการตอบสนองต่อช่องโหว่ซอฟต์แวร์ ขณะที่การตัดสินใจว่าโค้ดปลอดภัยพอหรือไม่ยังต้องมีผู้รับผิดชอบ

Google DeepMind เปิดตัว AlphaProof Code เมื่อวันที่ 10 พฤศจิกายน 2026 โดยใช้เอเจนต์ AI สร้างบทพิสูจน์ Lean ที่ตรวจสอบด้วยเครื่องได้สำหรับคุณสมบัติความปลอดภัยของโค้ด libsignal ที่คอมไพล์แล้ว ซึ่งเป็นก้าวจากการตรวจแบบจำลองโปรโตคอลไปสู่การตรวจการนำไปใช้งานจริง[ ]

ทีมสร้างบทพิสูจน์ Lean ราว 6.5 ล้านบรรทัด โดยมีนักวิจัย 5 คนทำงานนาน 4 สัปดาห์ ความสำคัญอยู่ที่เครื่องตรวจสอบบทพิสูจน์ได้อย่างเป็นระบบ ไม่ใช่เพียงให้แบบจำลองอธิบายว่าคิดว่าโค้ดปลอดภัย อย่างไรก็ดี ขอบเขตยังจำกัดเฉพาะบิลด์ libsignal-cli ของนักวิจัย ไม่ใช่การรับรองแอปพลิเคชัน Signal ทั้งหมด

สามแนวทาง สามระดับของงานความปลอดภัย

ความแตกต่างระหว่างโครงการเหล่านี้สะท้อนว่าความปลอดภัยโอเพนซอร์สและระบบองค์กรต้องการเครื่องมือคนละแบบ AlphaProof Code เน้นพิสูจน์คุณสมบัติของการนำโปรโตคอลไปใช้ ส่วน Canonical มุ่งเร่งงานแก้ช่องโหว่ในแพ็กเกจ Ubuntu และ Codename MDASH พยายามเปลี่ยนผลสแกนให้เป็นรายงานที่ผู้ดูแลนำไปลงมือแก้ได้

ในงาน Ubuntu Summit 26.10 Canonical แนะนำ Surge ซึ่งเป็นระบบเอเจนต์ AI หลายตัวสำหรับคัดกรองช่องโหว่และเขียนแพตช์แบบ backport ให้แพ็กเกจ Ubuntu โดยเน้นแพ็กเกจในพื้นที่ผู้ใช้ ไม่รวมเคอร์เนล[ ]

Surge ตอบโจทย์งานบำรุงรักษาระบบที่มีแพ็กเกจและรุ่นเก่าจำนวนมาก ซึ่งต้องปรับแพตช์ให้เข้ากับซอฟต์แวร์แต่ละรุ่น แทนการนำการแก้ไขจากต้นทางมาใช้ตรง ๆ Canonical ระบุว่าความเร็วในการแก้ไขของ Ubuntu เพิ่มขึ้น 119% ในปีเดียว แต่ตัวเลขนี้ไม่ควรถูกตีความว่า AI ทำให้แพตช์ทุกชิ้นพร้อมใช้งานทันที

สำหรับโครงการโอเพนซอร์ส ปัญหากลับอยู่ที่รายงานล้นมือ GitHub และ Microsoft จึงทดลองใช้ Codename MDASH สแกนและเสนอวิธีแก้ ก่อนคัดกรองรายการซ้ำและให้ผู้เชี่ยวชาญตรวจผล เพื่อส่งต่อเฉพาะรายงานที่มีหลักฐานและแนวทางแก้ไข

คุณค่าของ AI อยู่ที่ลดภาระ ไม่ใช่เพิ่มรายงาน

การตรวจช่องโหว่ที่เร็วขึ้นอาจกลายเป็นภาระใหม่ หากผู้ดูแลต้องใช้เวลาคัดแยกรายงานซ้ำหรือผลบวกลวง โครงการ MDASH จึงวางการตรวจสอบของมนุษย์ไว้ก่อนรายงานถึงผู้ดูแล โดยนักวิจัยตรวจผลทุกกรณีและส่งรายงานเป็นการส่วนตัว พร้อมหลักฐานแนวคิดการโจมตีและวิธีแก้

จากรายการที่ระบบพบหลายพันรายการ ผู้ดูแลได้รับรายงานคุณภาพสูง 99 ฉบับ และ ณ วันที่ 15 พฤศจิกายน มีการแก้ไขเสร็จแล้ว 55 รายการ ตัวเลขนี้ชี้ว่าความสำเร็จไม่ได้วัดจากจำนวนช่องโหว่ที่ AI ตรวจพบเพียงอย่างเดียว แต่วัดจากจำนวนที่ผ่านการตรวจและนำไปแก้ได้จริง[ ]

ในกรณี libsignal มนุษย์เป็นผู้เลือกคุณสมบัติด้านความปลอดภัย จัดการความกำกวม ตรวจข้อกำหนด และถืออำนาจอนุมัติขั้นสุดท้าย ขณะที่ระบบคัดกรองยอมรับบทพิสูจน์ต่อเมื่อเคอร์เนล Lean ตรวจสอบแล้วและบทพิสูจน์ตรงกับข้อกำหนดที่มนุษย์รับรอง

ทีมยังทดสอบว่าข้อกำหนดจับบั๊กจริงได้หรือไม่ ด้วยการย้อนการแก้ไขบั๊ก libsignal สองรายการ คือ weak state และ small subgroup แล้วตรวจว่าบทพิสูจน์แสดงความล้มเหลวได้หรือไม่ นี่เป็นแนวทางที่ควรทำซ้ำกับแพตช์ทุกชนิด เพราะข้อเสนอจาก AI ที่ฟังดูสมเหตุผลไม่ได้รับประกันว่าจะไม่ทำให้พฤติกรรมเดิมเสียหาย

ปล่อยแพตช์อย่างมีด่านตรวจ

การประยุกต์ใช้ AI กับแพตช์ความปลอดภัยควรยึดหลักเดียวกันทั้งในดิสโทรและโครงการโอเพนซอร์ส คือแยกการสร้างแพตช์ออกจากการอนุมัติและการเผยแพร่ Canonical ระบุว่า Surge จะไม่ส่งการแก้ไขเข้าสู่รุ่นเสถียรโดยอัตโนมัติ แต่เก็บไว้ในคลัง Edge ให้ผู้ใช้เลือกเปิดรับ และให้แพตช์ผ่านการทดสอบกับการตรวจสอบโดยมนุษย์ก่อนเข้าสู่ช่องทางอัปเดตปกติ

แนวทางนี้เหมาะกับผู้ใช้ทั่วไป เพราะไม่มีการเปลี่ยนแปลงจนกว่าจะเลือกเปิดใช้งานเอง ขณะเดียวกัน ผู้ดูแลยังต้องพิจารณาว่าแพตช์แก้ต้นเหตุจริงหรือไม่ มีผลข้างเคียงหรือไม่ และเข้ากันได้กับรุ่นที่ใช้อยู่หรือเปล่า การทดสอบก่อนใช้งานจึงไม่ใช่ขั้นตอนประกอบ แต่เป็นเงื่อนไขของความเชื่อถือ

ขั้นต่อไปของงานพิสูจน์ libsignal คือทำให้ทฤษฎีบทเข้มแข็งขึ้น ตรวจสอบส่วนเชื่อมต่อเพิ่มเติมเพื่อลดฐานที่ต้องเชื่อถือ และเชื่อมข้อกำหนดการเข้ารหัสกับการนำไปใช้ที่ผ่านการตรวจสอบ ส่วน GitHub กำลังปรับปรุงระบบรายงานช่องโหว่ส่วนตัวเพื่อลดรายงานคุณภาพต่ำ

ข้อสรุปจึงชัดเจนว่าเอเจนต์ AI มีประโยชน์เมื่อช่วยพางานจากการตรวจพบไปถึงการแก้ไขที่ตรวจสอบได้ แต่ไม่ควรมีสิทธิ์ตัดสินใจปล่อยแพตช์เอง ความเร็วที่เพิ่มขึ้นจะมีความหมายก็ต่อเมื่อมนุษย์ยังตรวจข้อกำหนด ทดสอบผลกระทบ และรับผิดชอบการนำโค้ดไปใช้จริง

เอเจนต์ AI อุดช่องโหว่ได้ แต่แพตช์ยังต้องผ่านมือมนุษย์

ZestBuy ได้รับค่าคอมมิชชั่นเมื่อคุณช้อปผ่านลิงก์ของเรา โดยคุณไม่ต้องจ่ายเพิ่ม

You May Also Like

Comments
พูดอะไรบางอย่าง...
ยังไม่มีความคิดเห็น มาเป็นคนแรกที่แบ่งปันความคิดเห็นของคุณ!