Từ kiểm tra thủ công đến AI: khi phát hiện lỗ hổng bảo mật phải thay đổi cách nghĩ
Phát hiện lỗ hổng bảo mật bằng AI là cách dùng mô hình trí tuệ nhân tạo để phân tích mã, cấu hình và đường đi của dữ liệu nhằm tìm ra những điểm yếu tiềm ẩn mà kiểm tra thủ công khó nhìn thấy, rồi đề xuất cách thu hẹp bề mặt tấn công thay vì chỉ vá từng lỗi riêng lẻ.
Anthropic đã công bố nghiên cứu cho thấy họ dùng Claude phân tích bề mặt tấn công của phần mềm và công bố kết quả ban đầu vào ngày 20 tháng 10. Đây không phải một chiến dịch "săn bug" kiểu cũ, mà là một quan điểm mới: săn từng lỗ hổng đơn lẻ là công việc kiểu Sisyphus, khó mở rộng và không bao giờ bảo đảm an toàn tuyệt đối. Thay vì ám ảnh với từng mã nguồn mở lỗ hổng cụ thể, họ tập trung vào câu hỏi: làm sao thu nhỏ tối đa vùng mã mà kẻ tấn công có thể chạm tới. Cách tiếp cận này mang tính chiến lược hơn là chiến thuật, và đó là lý do nó đáng được xem như một bước ngoặt.
493 vấn đề trên 25 dự án: khi mã nguồn mở lỗ hổng không còn là chuyện hiếm
Trong nghiên cứu đầu tiên, Claude phân tích 25 dự án mã nguồn mở viết bằng C, C++, Java, PHP và Python, tổng cộng hơn 5 triệu dòng mã. Kết quả, AI này lập danh mục hơn 17.000 tùy chọn cấu hình, trong đó 3.842 tùy chọn liên quan trực tiếp đến kiểm soát và tính năng bảo mật. Từ bức tranh cấu hình đó, Claude phát hiện tổng cộng 493 vấn đề bảo mật.
Điều đáng lo không phải là con số tuyệt đối, mà là bản chất của những vấn đề này: mã nhạy cảm có thể bị truy cập trước khi xác thực, các tổ hợp cấu hình làm vô hiệu hóa kiểm soát bảo mật, và một lỗi tồn tại âm thầm suốt 21 năm mới bị phát hiện. Ở 11 dự án vốn được thiết kế cho người dùng đã xác thực, Claude vẫn tìm thấy đường đi tới mã không hề được bảo vệ như dự kiến. Nói cách khác, chúng ta không chỉ có vài lỗ hổng rải rác; chúng ta có cả một lớp vấn đề cấu hình mà con người gần như bỏ qua trong nhiều năm.
OpenSSH và bài học về thu hẹp bề mặt tấn công thay vì vá từng lỗi
Trường hợp OpenSSH cho thấy rõ nhất sức nặng của Claude phân tích bảo mật. Trong phiên bản 10.4, Claude phát hiện khoảng 4.500 dòng mã liên quan đến thuật toán chữ ký thử nghiệm ML-DSA-44 có thể được client chưa xác thực truy cập. Dù tính năng này không bật theo mặc định, nó vẫn nằm trong vùng mã có thể bị chạm tới trước khi bất kỳ kiểm tra danh tính nào diễn ra.
Anthropic báo cáo phát hiện này kèm đề xuất sửa cho nhóm phát triển OpenSSH, và bản 10.5 đã bổ sung biện pháp khắc phục. Nhưng câu chuyện không dừng ở đó: Claude tiếp tục tìm ra hai đường vòng qua bản vá, buộc nhà phát triển phải chỉnh sửa thêm, và kết quả là một phần đáng kể mã có thể truy cập trước xác thực đã bị loại bỏ trong bản 10.6. Một câu nói đáng trích dẫn ở đây là: "Nếu ngay cả một trong những bộ mã được kiểm toán kỹ nhất thế giới vẫn giữ lại đường đi không cần thiết, thì không có dự án nào miễn nhiễm". Đó là lời cảnh tỉnh cho mọi nhóm phát triển đang tin rằng kiểm tra thủ công là đủ.
Tự động hóa kiểm tra bảo mật: từ OSS Scanner đến chứng minh hình thức trên RISC-V
Anthropic không dừng ở một nghiên cứu trình diễn. Họ đóng gói phương pháp phát hiện lỗ hổng bảo mật này thành một "kỹ năng" có thể tái sử dụng và đang tích hợp vào dịch vụ OSS Scanner dành cho các dự án mã nguồn mở. Kỹ năng này kiểm tra cấu hình mặc định, mã có thể chạy trước khi kiểm tra bảo mật, và các tổ hợp thiết lập xung đột; sau đó xác minh phát hiện bằng truy vết động và kiểm thử để bảo đảm hành vi mặc định không bị phá vỡ. Đây là một bước tiến rõ ràng trong tự động hóa kiểm tra bảo mật, biến AI thành công cụ giám sát liên tục thay vì trợ lý tạm thời.
Song song, Anthropic công bố một nghiên cứu khác: Claude tạo ra các chứng minh hình thức được kiểm tra bằng máy về thuộc tính bảo mật ở cấp mã hợp ngữ RISC-V, áp dụng cho 239 điểm vào kiểm thử fuzz trên 123 thư viện mã nguồn mở trong hợp tác với Theorem. Các chứng minh này tổng cộng khoảng 180 triệu dòng Rocq, với một chứng minh điển hình dài khoảng 600.000 dòng cho tệp nhị phân trung vị 18.000 lệnh RISC-V. Theo mô tả, "Claude đã viết khoảng một tỷ dòng Rocq trong quá trình thực hiện, trong đó khoảng 180 triệu dòng vượt qua bộ kiểm tra chứng minh". Đây là mức độ tự động hóa mà ít đội phát triển nào có thể đạt được bằng sức người.
AI bảo vệ phần mềm: năng lực vượt khỏi vùng an toàn của lập trình viên
Điểm đáng chú ý nhất trong các nghiên cứu này là AI bảo vệ phần mềm không chỉ bằng cách "soi bug". Khi chuyển bài kiểm thử fuzz thành đặc tả hình thức và chứng minh rằng chương trình không treo, không lỗi an toàn bộ nhớ với mọi đầu vào dưới 64 MB trên CPU RISC-V, Claude đã phát hiện hàng trăm lỗi mà công cụ fuzz khó có thể tìm ra. Nhiều lỗi chỉ xuất hiện với bố cục bộ nhớ hiếm gặp hoặc chuỗi lời gọi hàm rất cụ thể. Đây là vùng mà trực giác lập trình viên thường không chạm tới.
Anthropic còn cho biết trong một thử nghiệm khác, Claude xây dựng bằng Rust một trình thông dịch hỗ trợ tập lớn tính năng Python, rồi dùng công cụ kiểm chứng Verus để chứng minh trình thông dịch tuân thủ ngữ nghĩa CPython được mô tả trong một bài báo học thuật. Điều này cho thấy AI không chỉ hỗ trợ lập trình viên, mà có thể giải quyết các bài toán kỹ thuật phức tạp vượt ngoài chuyên môn thông thường. Tuy nhiên, ngay cả với các chứng minh hình thức, Anthropic vẫn nhấn mạnh rằng chúng không đồng nghĩa những thư viện này đã hết lỗi; phần còn lại có thể nằm trong thành phần được tin cậy hoặc ngoài phạm vi chứng minh. Tương lai hợp lý không phải là AI thay thế con người, mà là đội ngũ bảo mật biết cách dùng AI để thu nhỏ bề mặt tấn công và nâng chuẩn an toàn lên một mức mới.
