חזרה לפיד
articlesמקור: Snyk Blog19.3.2026

AI בונה את שטח התקיפה שלך. האם אתה בודק אותו?

אמ;לק

המהירות שבה קוד AI נוצר עולה על מהירות תהליכי האימות, כאשר 62% מהקוד שנוצר על ידי LLM נמצא לא מאובטח. כלים מיושנים אינם מספיקים לאבטח סוכני AI המשתמשים ב-APIs לא מתועדים. מאמר זה מסביר כיצד כלי בדיקה דינמיים מבוססי AI של Snyk מאבטחים את שטח התקיפה ההולך וגדל.

סיכום בעברית: מערכת VibeSec · מדיניות המקורות

נוסף ל-VibeSec:

כותרת מקורית: AI Is Building Your Attack Surface. Are You Testing It?

AI בונה את שטח התקיפה שלך. האם אתה בודק אותו?

התוכן המלא בעברית

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

השוק מוצף בטענות. ספק אחד עומד בראש טבלת ההישגים. אחר מגייס מאות מיליונים על סמך מצגת. בינתיים, המפתחים שלכם שחררו שלושה שירותים שנוצרו על ידי AI עוד לפני ארוחת הצהריים. הנה השיחה שהתעשייה לא מנהלת, וזו שלקראתה אנחנו בונים את הכלים שלנו כבר שנים.

יש גרסה של השיחה הזו שמתרחשת בכל צוות אבטחה כרגע.

מישהו מדגים עוזר קידוד מבוסס AI. המהירות היא בלתי נתפסת והצוות נותר פעור פה. עדיין זהירים, לעיתים סקפטיים.

קוד שבעבר דרש ספרינט שלם, נכתב עכשיו תוך אחר צהריים אחד. ההנהלה נלהבת מאוד. גם המפתחים שישרדו את התקופה הזו. וצוותי האבטחה, אם להיות כנים, לא בטוחים בלב שקט אם הכלים שברשותם ערוכים למה שמגיע.

המדד שאף אחד לא רוצה לדבר עליו

BaxBench אינו דוח איומים; זו מדידה. כאשר חוקרים העריכו קוד Backend שנוצר על ידי LLM במשימות בעולם האמיתי, 62% ממנו היו שבורים או לא מאובטחים. מתוך הקוד שעבד כראוי, בערך מחצית ממנו עדיין היה ניתן לניצול.

קראו זאת שוב: ה-AI כותב קוד עובד, ומחצית ממנו עדיין ניתנת לניצול.

זו לא סיבה להפסיק להשתמש בעוזרי קידוד ⁦AI⁩; הספינה הזו הפליגה מזמן. זו סיבה לדייק לגבי המשמעות של אבטחה בעולם שבו קצב יצירת הקוד הואץ לצמיתות.

ניתוח סטטי בנקודת היצירה, בין אם זה כלי SAST ב-IDE או הנחיות אבטחה מבוססות AI בלולאת הפיתוח, הוא צעד ראשון הכרחי, אך לא קו הסיום. הוא יכול להגיד לכם מה קיים בקוד, אך הוא לא יכול לומר לכם אם הקוד הזה באמת ניתן לניצול באופן שבו תוקף זדוני ינצל אותו. אפילו עם הגישות הסטטיות הרב-מודאליות העדכניות ביותר המשלבות ניתוח Taint ונימוקי LLM, הכלים הללו יכולים רק לחזות מה עשוי להיות פגיע בקוד; הם לא יכולים להוכיח התנהגות בזמן ריצה (Runtime) בפועל בתנאי תקיפה אמיתיים.

לשם כך, עליכם לבצע בדיקות מבחוץ בזמן ריצה: בדיוק כפי שתוקף אמיתי היה עושה.

משטח התקפה שני שאף אחד לא מיפה

בזמן שהתעשייה התלבטה על אבטחת קוד ⁦AI⁩, משטח התקפה שני התגבש בשקט.

סוכני AI אינם פועלים בבידוד. הם קוראים ל-APIs, לעיתים קרובות כאלו בעלי הרשאות גבוהות ולעיתים קרובות ללא תיעוד. אלו APIs שנבנו לפני שמישהו ציפה שהם יופעלו באופן אוטונומי ובקנה מידה רחב. גרטנר צופה שעד 2028, סוכני AI יהפכו לצרכנים העיקריים של APIs ארגוניים. עד 2029, מעל 50% מהמתקפות המוצלחות על סוכני AI צפויות לנצל כשלים בבקרת גישה (BOLA/IDOR) – בדיוק סוג הפגמים שניתוח סטטי התקשה לאורך השנים לאמת.

זו לא תחזית נועזת; זה תיאור של החלטות ארכיטקטורה שהארגונים שלך כבר קיבלו.

BodySnatcher הפך את זה למוחשי. ב-CVE-2025-12420, תוקף ללא אימות, שאין לו דבר מלבד כתובת דוא"ל של היעד, יכול היה להתחזות למנהל מערכת ב-ServiceNow, לעקוף MFA ו-SSO, להריץ זרימות עבודה של סוכני AI וליצור חשבונות דלת אחורית עם הרשאות מלאות. מספרי ביטוח לאומי, רישומים פיננסיים, קניין רוחני סודי: הכל היה בשל לקטיף... הכל היה חשוף.

הטכניקה לא הייתה אזוטרית: לא היה כאן Zero-day ולא הזרקת פקודות (Prompt Injection) מתוחכמת. הפגיעות עמדה ללא בדיקה מאחורי סוכן שארגון סומך עליו לחלוטין. מסקנתו של החוקר הייתה מדויקת: "סוכני AI מעצימים באופן משמעותי את ההשפעה של פגמי אבטחה מסורתיים."

מהירות המסירה עקפה את היכולת לאמת אותה. התגובה לא יכולה להיות להאט את הקצב. היא חייבת להיות שינוי מהותי של המשמעות של "בדיקה" בפועל.

אלו אינם פגמים חדשים; אלו אותם פגמים ישנים שכבר קשה היה לזהות באופן מסורתי, והם רק מוגברים על ידי הארכיטקטורה החדשה שנבנתה מעליהם.

למה זה בעצם סיפור אחד

הנה מה שלדעתי מתפספס כשמטפלים בשתי הבעיות הללו בנפרד: לכולן יש את אותו שורש. מהירות המסירה פשוט עקפה לחלוטין את מהירות האימות. עוזרי קידוד מבוססי AI מייצרים קוד מהר יותר ממה שכל תהליך אבטחה תוכנן לטפל בו, וסוכני AI מפעילים APIs מהר יותר ממה שכל תהליך מיפוי נכסים תוכנן לעקוב אחריו. בשני המקרים, משהו רץ בסביבת ה-Production שמעולם לא הותקף באופן שיטתי: לא נבדק, לא נסרק, אלא *הותקף*, באופן ששחקן זדוני אמיתי היה פועל.

כאן אנחנו חושבים שהתגובה פשוט לא יכולה להיות להאט את הקצב. היא חייבת להיות שינוי המשמעות של "בדיקה". בדיקות דינמיות אינן רק כלי מיושן מהעולם שלפני ה-AI; זו המשמעת שהעידן של ה-AI חיכה לה באמת. בעולם שלאחר ה-AI, זה הופך ליסוד, יסוד נושא עומס. לכן, השאלה אינה האם עליכם לבדוק באופן דינמי, אלא האם הבדיקה הדינמית שלכם חכמה מספיק כדי לעמוד בקצב של מה שרץ כעת בייצור: קוד שנוצר על ידי AI, במהירות של AI, מאחורי APIs שסוכנים מפעילים מהר יותר ממה שכל גורם אנושי יכול לעקוב.

בדיקה דינמית מודרנית צריכה להיות מבוססת AI בעצמה, מהירה מספיק עבור הצינור (Pipeline), חכמה מספיק כדי להבחין בין יכולת ניצול אמיתית לבין רעש, ומיועדת במיוחד עבור משטח תקיפה שלא היה קיים לפני שנתיים.

אות, לא רעש

הנה הבעיה האמיתית עם קוד ⁦AI-generated⁩ בקנה מידה: הוא לא רק יוצר יותר קוד, הוא גם יוצר יותר ממצאים, יותר התראות ועוד דברים שנראים כאילו הם זקוקים לתשומת לב. דמיינו את כל זה עובר דרך כלי אבטחה שתוכננו לעולם איטי הרבה יותר.

מפתחים מוצפים ברעש הזה ומקבלים החלטות היכן להשקיע את זמנם, ורוב הזמן זה מסתכם בתחושת בטן, וותק או הלחץ התמידי של דד-ליינים.

עייפות מהתראות אינה עניין חדש, אך בעידן הקידוד מבוסס ה-AI, היא מחמירה: מפתחים כבר לא בוחנים תוצרים של ספרינט אחד; במקום זאת, הם בוחנים פלט שהיה לוקח לצוות שלם רבעון שלם לכתוב. אם כל ממצא מקבל משקל שווה, שום דבר לא יתוקן. לפחות לא עם ביטחון.

המשוואה מתחילה להשתנות כאשר אתה מציג מתאם. כאשר ממצא סטטי וממצא דינמי מתואמים לאותה סיבת שורש בדיוק (כשהקוד אומר שהוא פגיע ובדיקות זמן ריצה מוכיחות שהוא ניתן לניצול), אין לך עוד שתי בעיות לבחון. יש לך תיקון אחד בעל ביטחון גבוה שהמפתחים באמת סומכים עליו.

הרעש שוכך. האות מתחדד.

הדיוק הזה חשוב יותר בעידן ⁦AI⁩ מאשר אי פעם קודם לכן. שיעור חיובי שגוי של 0.08% הוא לא מפרט מוצר, זה איך זה נראה כאשר האבטחה מפסיקה להיות מס על מפתחים ומתחילה להיות מאיץ. ⁦AI⁩ כותב את הקוד, אתה מוכיח מה באמת שבור, ומפתחים שולחים מהר יותר בביטחון, במקום לאט יותר עם חרדה.

✔️ SAST מבוסס LLM המזהה דפוסי קוד שנוצרו על ידי AI והסיכונים הנלווים, ב-IDE ובצינור הפיתוח, כבר היום.

✔️ DAST חכם שחוקר באופן פעיל יישומים ו-APIs רצים כדי לאשר יכולת ניצול אמיתית, במיוחד עבור BOLA, IDOR ופגמי הרשאה ספציפיים לסוכנים.

✔️ ⁦Correlated⁩ ממצאים שממפים אותות סטטיים לאישור דינמי: תיקון אחד עם עדיפות, לא תור טריאז'.

✔️ גילוי APIs שמציף את נקודות הקצה שהסוכנים שלכם מפעילים באופן אוטונומי, כולל כאלו שאינם מתועדים.

✔️ כיסוי מתמשך המוטמע בצינור המסירה, ולא כפעולה רבעונית.

מהו AI Pentesting באמת (או מה הוא צריך להיות)

כיום, ספקים רבים מנסים להשתמש בתווית "AI Pentesting". חלקם פשוט מתכוונים לכך שהם משתמשים ב-LLMs כדי לייצר מטענים (Payloads) של תקיפה, אחרים מתכוונים שהם מייצרים דוחות ממצאים באמצעות "סוכנים" (אנחנו מפקפקים גם במושג הסוכנות כאן). רק מעטים מתכוונים למשהו מעניין הרבה יותר.

מה שהדיסציפלינה דורשת באמת, ומה שעידן ה-AI דורש ספציפית, הוא גישה שיכולה לבדוק קוד שנוצר על ידי AI עבור פגמים לוגיים ספציפיים ל-AI, לעקוב אחר ה-APIs שסוכנים קוראים להם (כולל אלו הלא מתועדים), ולבצע מתאם בין ממצאים דינמיים לבין הקשר ברמת הקוד ואינטליגנציה כדי לסנן אותות מתוך רעש – והכל באופן מתמשך ולא כתרגיל מנותק וחד-פעמי.

זה, אגב, לא צריך להיות רשימת פיצ'רים או מפת דרכים: זה צריך להיות הסטנדרט. וזה סטנדרט שהתעשייה עדיין לא הצליחה לנסח היטב. וזו בדיוק הסיבה שזה הרגע לעשות זאת. אז בואו נעשה זאת.

אנחנו בונים לקראת הסטנדרט הזה כבר שנים, והתוצאות שאנחנו רואים אצל לקוחות בסביבות Production ממשיכות לאשש את הגישה הזו.

בדיקות אבטחה אמיתיות לעידן ה-AI לא רק מוצאות יותר בעיות מהר יותר. הן עושות מתאם בין תחזיות סטטיות לבין הוכחה דינמית ומספקות תיקונים שמפתחים יכולים לשחרר בביטחון, לא בחרדה.

השיחה על אבטחת AI נשלטה על ידי שתי שאלות שלכאורה אינן קשורות: האם אנחנו יכולים לאבטח מודלי AI? והאם אנחנו יכולים להשתמש ב-AI כדי למצוא פגיעויות? שתיהן לגיטימיות, אך אף אחת מהן לבדה אינה מספקת.

השאלה הדחופה יותר היא פשוטה יותר: מי בודק/תוקף את הקוד וה-APIs שה-AI בונה ומריץ?

אם התשובה היא לא אתה, אתה יכול להיות בטוח שזה יהיה מישהו (או ⁦someTHING⁩) אחר.

התחילו להשתמש במנוע ה-DAST שלנו ממוקד-המפתחים עוד היום

מצאו וחשפו פגיעויות באופן אוטומטי ובקנה מידה רחב עם מנוע ה-DAST מבוסס ה-AI של Snyk, כדי לבצע Shift Left עם אוטומציה והנחיות תיקון שמשתלבות בצורה חלקה ב-SDLC שלכם.

קרא עוד

PHP2Shell לא יהיה האחרון. הנה איפה הדבר הבא יצוץ לראשונה.

PHP2Shell הראה באיזו מהירות פגם ברמת המנוע יכול לסכן אפליקציות החשופות לאינטרנט. למדו מדוע מיפוי נכסים חיצוני (Outside-in), בדיקות מהירות ובדיקות חוזרות הם קריטיים לפני החשיפה הבאה.

Snyk UNFILTERED: מבט מבפנים על פסגת הלקוחות הראשונה שלנו

בפסגת הלקוחות הראשונה של Snyk, מובילי אבטחה שיתפו נקודות מבט גלויות על סיכוני AI, תיקון פגיעויות וניהול סוכנים אוטונומיים. חמישה נושאים חושפים כיצד צוותים מתאימים את האבטחה למהירות של ה-AI.

PHP מתקן שתי פגיעויות RCE קריטיות ללא אימות (CVE-2026-109618, CVE-2026-109619): [עודכן עבור CVE-2026-115560]

שני פגמים קריטיים במחזור החיים של הבקשות ב-PHP עלולים לאפשר ביצוע קוד מרחוק ללא אימות. שדרגו לגרסה המתוקנת או התקינו עדכון אבטחה (Backport) עבור גרסאות ישנות יותר.

#ai-security#llm-security#attack-surface#dynamic-testing
קרא במקור