Entradas Mensuales

Síguenos en:

Canal Oficial Telegram de elhacker.NET Grupo Facebook elhacker.NET Twitter elhacker.NET Canal Youtube elhacker.NET Comunidad Steam: Grupo elhacker.NET Mastodon

Entradas populares

PostHeaderIcon IA de Microsoft halla 99 fallos de seguridad en proyectos open source


Microsoft y GitHub enviaron 99 informes de seguridad verificados a seis proyectos de código abierto, entre ellos Express e ImageMagick, después de que un piloto de IA identificara miles de vulnerabilidades potenciales. Hasta el 15 de noviembre, los responsables habían corregido 55 problemas, aunque solo 14 de esas correcciones se han incluido en los lanzamientos oficiales del software.





Microsoft y GitHub enviaron 99 informes de seguridad verificados a seis proyectos de código abierto, incluidos Express e ImageMagick, después de que un piloto de IA identificara miles de vulnerabilidades potenciales.

En su anuncio del 17 de noviembre, GitHub dijo que los mantenedores habían solucionado 55 problemas hasta el 15 de noviembre. Sin embargo, solo 14 de esas correcciones se habían incluido en los lanzamientos de software.

Los otros cuatro proyectos, Caddy, AutoGPT, FastMCP y Netty, también participaron en el Fondo de Código Abierto Seguro de GitHub, y sus mantenedores aprobaron los escaneos antes de que comenzara el piloto.

El proyecto de Microsoft Codename MDASH escaneó los proyectos con una versión anterior del modelo MAI Cyber y sugirió correcciones de código. Una herramienta de IA de GitHub Security Lab eliminó los duplicados, filtró los informes que no eran válidos y priorizó los problemas de mayor impacto.

Siete investigadores del laboratorio Microsoft FORGE revisaron manualmente los hallazgos restantes. Microsoft ya había utilizado MDASH para encontrar vulnerabilidades en Windows.

Codename MDASH AI Flags Thousands of Potential Flaws (source : github )
La IA de Codename MDASH señala miles de fallos potenciales (fuente: GitHub)

La IA de Microsoft descubre 99 problemas de seguridad

GitHub envió los informes verificados a través de su sistema privado de reporte de vulnerabilidades. Cada informe incluía evidencia del problema y un parche propuesto.

Según GitHub, los mantenedores podían aceptar, modificar o reemplazar los parches sugeridos y decidir cuándo lanzar las correcciones sin recibir los resultados brutos del escaneo. Caddy solucionó los 22 problemas reportados en una semana, mientras que el equipo de dos personas de ImageMagick también recibió 22 informes.

Uno de ellos parecía un problema que el equipo ya había visto antes, pero el informe explicaba qué era lo diferente y señalaba el código relevante. El equipo implementó una corrección en 15 minutos. Estos hallazgos son independientes de los fallos de corrupción de memoria de ImageMagick reportados anteriormente.

maintainers received 99 private reports (source : github )
Los mantenedores recibieron 99 informes privados (fuente: GitHub)

El equipo de AutoGPT recibió un informe sobre una verificación de seguridad recién añadida tres días después de su lanzamiento. Los mantenedores fueron más allá del parche sugerido, escribieron su propia corrección en un día y la pusieron en producción en menos de una semana. Los mantenedores de Express dijeron que los informes les ayudaron a filtrar el ruido de otros envíos de vulnerabilidades.

El piloto cubrió solo seis proyectos, y la revisión humana tomó unos dos días por proyecto. Esto hace que los resultados sean una prueba temprana de cómo la IA puede ayudar a equipos pequeños, no una prueba de que el enfoque pueda funcionar al mismo ritmo en miles de repositorios.

El trabajo tampoco termina cuando un mantenedor escribe un parche. Tú, como usuario, necesitas un lanzamiento que contenga la corrección y, además, tienes que instalarlo.

GitHub planea ofrecer escaneos de IA revisados a todos los antiguos miembros de su Fondo de Código Abierto Seguro y entregar los hallazgos de forma privada. Para los desarrolladores que dependen de paquetes de código abierto, GitHub recomienda activar las alertas de Dependabot para detectar vulnerabilidades conocidas en sus dependencias.

Una vez que un aviso público es revisado para la Base de Datos de Avisos de GitHub, Dependabot puede notificar a los repositorios que utilizan el paquete afectado. Entonces, los equipos pueden contrastar el aviso con la versión que realmente ejecutan y confirmar que su próxima actualización incluye la corrección.



Fuentes:
https://cybersecuritynews.com/microsofts-ai-uncovers-99-security-issues/