חזרה לפיד
articlesמקור: Wiz Blog10.4.2026

העידן שבו AI מוצא ומנצל פרצות אבטחה באופן אוטונומי

אמ;לק

מודלי AI חדשים מסוגלים כעת לזהות פרצות מסוג אפס-ימים (Zero-day - פרצה שאין לה עדיין עדכון אבטחה) ולכתוב קוד תקיפה בעצמם. זה מחייב עסקים לעדכן את תוכניות החירום שלהם ולהגביר את רמת המוכנות הטכנולוגית.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: Claude Mythos: Preparing for a World Where AI Finds and Exploits Vulnerabilities Faster Than Ever

העידן שבו AI מוצא ומנצל פרצות אבטחה באופן אוטונומי

התוכן המלא בעברית

תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.

TL;DR: המודל החדש של Anthropic מסוגל לגלות באופן אוטונומי פגיעויות של יום אפס (zero-day) ולפתח קוד ניצול עובד. למרות שהגישה אליו מוגבלת מאוד כרגע, Claude Mythos נותן לנו כדור בדולח לעתיד הקרוב שבו היכולות הללו נמצאות בידי התוקפים. 2026 היא השנה להתכונן לגל הפגיעויות המונע על ידי בינה מלאכותית (AI-led); בטווח הקצר, התכוננו לנהירה גדולה של CVEs שנתגלו על ידי AI בתוכנות קריטיות. בטווח הבינוני עד הארוך, תכננו להשקיע מאמצים בתוכנית AppSec ממוקדת AI, שתבטיח שתמצאו את הפגיעויות לפני שלשחקני איומים תהיה הזדמנות לנצל אותן.

Claude Mythos הוא מודל גבול (frontier model) חדש וטרם שוחרר, שפותח על ידי Anthropic. מודל זה גילה באופן אוטונומי אלפי פגיעויות של יום אפס במערכות הפעלה מרכזיות ובדפדפני אינטרנט. מודלי גבול הקיימים כיום לציבור כבר מסוגלים, במידה מסוימת, לבצע patch-diffing וליצור ניצולים כאשר מזינים להם את קטעי הקוד הרלוונטיים. עם זאת, Anthropic הוכיחה כי Mythos יכול לקבל מזהה CVE ו-git commit hash כקלט, ואז לייצר באופן אוטונומי קוד ניצול עובד תוך שעות, בעלות נמוכה יחסית. בנוסף, על פי הדיווחים, הוא יכול לשרשר פגיעויות מרובות יחד ולבצע הנדסה לאחור לקבצים בינאריים סגורי-מקור.

הכרזה זו מסמנת את המשך המגמה (כזו שנצפתה בשנה האחרונה): מודלי AI מתחילים להצטיין בחקר פגיעויות טכני, וזה הגיוני בהתחשב בלולאת המשוב החיובי שבבסיסם.

בהתחשב במסלול הנוכחי של התעשייה, אנו רואים שינוי הכרחי באופן שבו מוצרי אבטחה בנויים ובאופן שבו צוותי הגנה פועלים. יש לשלב את היכולות המתפתחות הללו בליבת תוכניות האבטחה והמוצרים שלנו, כדי שנוכל להסתגל למציאות שבה גורמים זדוניים עושים את אותו הדבר עם הכלים שלהם.

כרגע אנחנו חושבים על מרחב הפעולה של מחקר אבטחה מבוסס AI על ציר זמן המורכב משלושה שלבים עיקריים. אנו מאמינים שהצלחה בכל שלב תחייב צוותי אבטחה וספקי אבטחה לאמץ אסטרטגיות וכלים חדשים:

טווח קצר: צפו ליותר CVEs

נכון לעכשיו, ⁦Mythos⁩ נמצא רק בידיים של שחקנים אחראיים - ספקי תשתית תוכנה קריטיים כמו ⁦Microsoft⁩, ⁦Google⁩, ו-⁦Linux Foundation⁩. המודל אינו זמין לציבור, ו⁦Anthropic⁩ מצהירים כי אין להם תוכניות לשנות זאת.

לכן, התוצאה המיידית ביותר היא פשוט יותר CVEs. חוקרי אבטחה המשתמשים במודלים כמו Mythos יגלו פגיעויות יום אפס, יוכיחו את יכולת הניצול שלהן, ויחשפו אותן באחריות לספקי תוכנה ולמנהלי פרויקטים בקוד פתוח. כל פגיעות שתתגלה באמצעות המודלים הללו תהפוך בסופו של דבר (או לפחות כך יש לקוות) ל-CVE ציבורי עם תיקון זמין למשתמשי הקצה.

CVEs אלה לא צפויים להיות מלווים באופן מיידי בניצולים ציבוריים, אך תוקפים ישקיעו ב-patch-diffing מבוסס AI, בין אם המוצר המושפע הוא בקוד פתוח או סגור. זה יוביל בסופו של דבר לניצול מקביל בשטח של מספר גבוה יותר של פגיעויות שפורסמו לאחרונה. אלא אם צוותי אבטחה יגדילו את יכולות התגובה שלהם, לתוקפים יהיו הזדמנויות רבות יותר לנצל מערכות לא מעודכנות.

בשלב זה, בעת שחרור תיקונים לפגיעויות בתוכנה שלהם, חשוב שספקים ישקיעו בלוודא שעדכון המוצרים יהיה חלק ופשוט ככל האפשר, כדי לתמוך במשתמשי קצה המתמודדים עם ההסתערות של CVEs חדשים.

טווח בינוני: היכונו לרגע "⁦Y2K⁩"

"גרם של מניעה שווה קילו של תרופה."

זה רק עניין של זמן עד שמודלים עם יכולות דומות לאלו של Mythos - מ-Anthropic, Google, OpenAI, DeepSeek, Alibaba ואחרים - יהפכו לזמינים לציבור. אנו מעריכים שיעברו כ-12-18 חודשים עד שהיכולות הללו יגיעו למודלים של קוד פתוח שכל אחד יכול להריץ באופן מקומי וללא הגבלות. מנקודה זו ואילך, עלינו להניח שגורמים זדוניים יוכלו להשתמש במודלי AI כדי לגלות ולנצל פגיעויות יום אפס בהיקף נרחב, וגם לבצע ניצול מהיר של פגיעויות n-day תוך שעות מרגע חשיפתן לציבור.

מעבר לפגיעויות בתוכנות שניתן להתקין, משטח התקפה עיקרי עבור רוב הארגונים המודרניים כיום הוא נקודות הקצה של ה-API ויישומי האינטרנט שלהם, שבהם פגיעויות נוטות להיות מונעות לוגית: עקיפת אימות (authentication bypass), הרשאות שבורות, נקודות קצה חשופות ובקרות גישה שגויות. למעשה, מודלי גבול נוכחיים כבר יעילים בזיהוי ובניצול החולשות הללו.

ובכל זאת אנחנו אופטימיים. כפי שההיסטוריה הוכיחה, כל טכנולוגיה חדשה בסייבר שיכולה לשמש תוקפים יכולה לשמש גם מגינים, והתוצאה הסופית היא מערכות מאובטחות יותר. כלי Fuzzing לזיכרון, ששימשו בעבר חוקרי פגיעויות, מוטמעים כעת בתהליכי פיתוח ליבה, ובסופו של דבר מייצרים תוכנה מאובטחת יותר. באופן דומה, פרויקטים כמו CodeMender של Google משתמשים ב-AI כדי לתקן אוטומטית ליקויי אבטחה בהיקף נרחב.

ייתכן שאנו הולכים לקראת "רגע Y2K" בשתי דרכים חשובות: מצד אחד, מדובר בשינוי בלתי נמנע ומלחיץ שעשויות להיות לו השלכות לא ידועות. מצד שני, אנו מאמינים שניתן להימנע מההשלכות הגרועות ביותר (הן הידועות והן הלא ידועות) אם נעבוד יחד כדי להיערך מבעוד מועד, כאשר התוצאה הסופית תהיה תוכנה מאובטחת יותר, לא פחות.

אז מה אנחנו צריכים לעשות? תכננו להקצות כוח אדם ומשאבים לסריקת יישומים וקוד (AppSec מבוסס AI) בעדיפות גבוהה בשנת 2026. מכיוון שהמודלים החדשים עדיין אינם זמינים באופן נרחב, יש לנו זמן ליצור צוותים משותפים של אנשי אבטחה והנדסה. מצד ספקי האבטחה, עלינו לשלב את היכולות העדכניות ביותר של AI בכלים שלנו כדי שהלקוחות תמיד יישארו צעד אחד לפני התוקפים.

ארגונים שמתחילים לבנות את היכולת הזו עכשיו - באמצעות מודלי ה-AI העדכניים ביותר, לא רק כדי להציף פגיעויות, אלא כדי לתקן אותן במהירות ובבטחה בסביבות ייצור - יזכו ליתרון משמעותי על פני תוקפים בכל פעם שיגיע הדור הבא של המודלים. האסטרטגיה ארוכת הטווח הטובה ביותר עבור מגינים היא להתרחק מכלים סטטיים ומבודדים לעבר זרימות עבודה דינמיות של אבטחה עם יכולות AI בבסיסן.

לטווח ארוך: כיצד ⁦AI⁩ ישנה את אבטחת הסייבר?

מה קורה ברגע שעברנו את הרגע "⁦Y2K⁩" ויכולות ⁦AI⁩ מתקדמות נמצאות בידי שחקנים זדוניים?

החלון בין "זמינות תיקון" לבין "ניצול בשטח" כבר מצטמצם וניתן לצפות כי יתכווץ אפילו מהר יותר. המשמעות היא שצוותי אבטחה צריכים להיות מוכנים לתקן מהר יותר מבעבר, או לבצע את העבודה המאומצת הנדרשת כדי להפוך פגיעויות תוכנה ללא רלוונטיות בסביבתם באמצעות שילוב של צמצום משטח התקפה והגנה לעומק.

במבט קדימה, אנו מאמינים שלמרות שמושגי הליבה של אבטחת סייבר לא ישתנו, ההתקדמות האחרונה ביכולות ⁦AI⁩ תשנה באופן דרמטי את האופן שבו אנו ניגשים לאבטחת סייבר בכמה תחומים מרכזיים:

התוקפים ישתפרו כל הזמן

איננו יכולים לחזות בדיוק כיצד מודלים עתידיים ⁦AI⁩ עשויים להעצים את גורמי האיום, מכיוון שקשה לחזות את הסטטוס קוו אפילו שנה מהיום. אבל אנחנו יכולים להניח שכל דור חדש של דגמים יפתח הזדמנויות גדולות יותר לנצל יותר חולשות בקצב ובקנה מידה מהירים יותר ובעלות נמוכה יותר.

דמיינו אבטחת בית. לכולנו יש מנעולים על הדלתות, ואנו מניחים שמנעולים מודרניים יעילים מכיוון שרוב האנשים אינם מנעולנים מבריקים. אבל מה קורה כאשר לכל אדם על פני כדור הארץ יש גישה למנעולן מבוסס AI? המנעולים שיש לנו היום לא יהיו רלוונטיים יותר.

סוכני ה-AI המסוגלים ביותר יגדירו את סרגל האבטחה

עיקרון זה יתקיים בכל קטגוריית מוצר: חומות אש, ⁦EDRs⁩, ⁦DLP⁩, אבטחת דוא"ל וכו'. הסרגל ימשיך לעלות, כלומר כלי אבטחה סטטיים יהפכו במהירות ללא רלוונטיים, בדומה לאלגוריתמים קריפטוגרפיים מסורתיים בעתיד פוסט-קוונטי. לכן, כלי אבטחה חייבים להיות דינמיים, ומתעדכנים ללא הרף עם היכולות העדכניות ביותר של ⁦AI⁩.

עם זאת, אם לתוקפים ולמגנים יש לשניהם גישה לאותם מודלים, שבירת הסימטריה תדרוש צוותי אבטחה למנף את ההקשר. על ידי ניצול הידע הפנימי שלך על הארכיטקטורה שלך והפיכתו לזמין לכלי אבטחה ⁦AI-powered⁩, אתה יכול לתעדף את מאמצי ההקשחה והתיקון כדי להתמקד במקום בו הם ישפיעו ביותר, ולתקן פגיעויות בשורש שלהן.

עיצוב מערכת גמישה לא יהיה עוד אופציונלי

בעולם שבו פגיעויות נפוצות והניצול מיידי, עלינו לתכנן מערכות עם מנטליות של "נניח שקיימת פגיעות RCE". אם עמדת האבטחה של הארגון שלכם תלויה לחלוטין ביכולת של צוות האבטחה לתקן משאבים פגיעים מהר יותר מכפי שתוקפים יכולים לנצל אותן כדי להתפשר עליהם, בסופו של דבר תמצאו את עצמכם נלחמים בקרב אבוד. לעולם לא נוכל לתקן מהר מספיק; תכנון מאובטח חייב להבטיח בידוד לרכיבים קריטיים. עבור כלי אבטחה, עמידות ב-AI פירושה היכולת להשתפר ללא הרף מול התקפות חדשות מבוססות AI. כלי אבטחה סטטיים (כמו מנעולי דלתות) ייכשלו.

תוכנה יכולה וחייבת להיות מאובטחת יותר מאי פעם

אנו יכולים לדמיין עולם שבו התוכנה הופכת מאובטחת יותר באופן דרמטי. תארו לעצמכם מציאות שבה כל אדם בעולם יכול לייצר את התוכנה המאובטחת ביותר אי פעם כתוצאה מדמוקרטיזציה של ידע ומומחיות אבטחה באמצעות כלי אבטחת קוד ⁦AI-assisted⁩.

ראשית, האצו את זרימות העבודה של ניהול פגיעויות ותיקונים. אתם צריכים לקצר את חלונות התיקון שלכם למקרים שבהם זמני הבלימה מתכווצים מימים לשעות. עברו לכיוון אוטומציה ואשרו מראש שלבי הפחתה (כמו חסימת גישה ציבורית) כך שלצוות שלכם יהיו אפשרויות בזמן בדיקת התיקונים. תעדוף בהתבסס על הקשר ועל מודיעין איומים מהעולם האמיתי, בידיעה שדלי התיקונים הנדרשים לביצוע "מיידי" רק יגדל.

שנית, צמצמו באגרסיביות את משטח ההתקפה ואת רדיוס הפיצוץ. משאבים הפונים לאינטרנט מציגים את הסיכון הגבוה ביותר ככל שהניצול מבוסס ה-AI מואץ. בנו הגנה לעומק על ידי מזעור החשיפה הציבורית של משאבים המכילים נתונים רגישים, סודות או הרשאות גבוהות - גם אם הם אינם פגיעים כרגע.

לבסוף, הפכו את ארגון האבטחה שלכם לדמוקרטי באמצעות יכולות AI. העצימו את הצוותים שלכם כבר היום להתחיל להפיק תועלת מזרימות עבודה של אבטחה מבוססת AI, מגילוי פגיעויות ועד לתיקון אוטומטי. השתמשו בכלי יצירת קוד מבוססי AI (כמו Claude Code, Cursor וכו') כדי לתקן בעיות קוד, להעריך את ההשפעה של שינויים בקוד ולהאיץ תהליכי תיקון. יצירת בסיס זה כעת מבטיחה שתהיו מוכנים למנף באופן מיידי מודלי AI חדשים כדי להגן על הסביבה שלכם מהר יותר מכפי שתוקפים יכולים להשתמש באותם מודלים כדי לתקוף אותה.

Wiz כבר מחויבת לעזור ללקוחות שלנו להפוך את האבטחה לדמוקרטית, לתעדף משימות תיקון ולצמצם באופן יזום את משטח ההתקפה שלהם. כל מה שבנינו ב-⁦Wiz⁩ הכין אותנו לרגע הזה. הבנת ההקשר של הסביבה היא מה שמניע את הסוכנים ⁦AI⁩ שלנו.

אנו מעריכים באופן רציף את היכולות והביצועים של מודלי ה-AI העדכניים ביותר ומשלבים אותם במוצרים שלנו כדי לייעל עוד יותר את זיהוי הפגיעויות, התיקון והתגובה עבור צוותי אבטחה. בנוסף, שרת ה-MCP שלנו מאפשר לצוותי אבטחה לצרוך את ההקשר העמוק ואת ניתוח הסיכונים של Wiz כחלק מזרימות העבודה של הסוכנים שלהם.

⁦Shift Right⁩ כדי לזהות נקודות תורפה לפני שתוקפים עושים זאת

הלקוחות שלנו יכולים להשתמש ב-Red Agent כדי לסרוק את כל משטח ההתקפה שלהם עם תוקף מבוסס AI, שמסתגל ומנצל באופן רציף מאגר מידע הקשרי גדל והולך המבוסס על ענן, ניתוח עומסי עבודה וניתוח קוד, כדי לגלות סיכונים הניתנים לניצול מיידי.

⁦Shift Left⁩ כדי לתקן את הפגיעויות הללו במהירות ובבטחה

#ai-threats#cyber-security#zero-day
קרא במקור