Баг-баунти долго выглядел идеально настроенным рынком: белый хакер находит уязвимость, вендор платит, пользователи спят спокойно. Генеративный ИИ, если верить отраслевым опасениям, готов это равновесие сломать — причём не найдя ничего принципиально нового, а сделав предельно дешёвой саму попытку. Стоит LLM-агентам поставить репорты на конвейер — и триажу, первой линии обороны вендора, придётся несладко. Как disclosure-индустрии удержать сигнал в растущем шуме и какие фильтры она пытается соорудить — об этом и поговорим.
Генеративные модели сделали дешёвым не поиск — саму попытку. LLM-агент гоняет сканер по периметру цели, читает выводы фаззеров, оформляет результат по шаблону: описание, шаги воспроизведения, оценка критичности. Красивенько. По мере распространения таких инструментов на HackerOne и Bugcrowd объёмы сабмитов, как ожидают, пойдут вверх, и всё большая их доля будет создаваться с помощью ИИ — от честного ассистента в руках исследователя до полностью автономных репортов. Само по себе применение ИИ тут никого не смущает: инструменты менялись всегда.
Беда в экономике. Как только барьер входа падает почти до нуля, рациональной стратегией новичка становится не глубокое копание, а литьё объёма. Отсюда волна дубликатов, галлюцинации — эндпоинты, которых не существует, параметры, выдуманные из воздуха, — и репорты об «уязвимостях», воспроизводимых разве что в воображении модели. Простые находки вроде отражённого XSS в забытом параметре автоматика вычерпывает за считаные часы. Остаётся конкурировать количеством — вот и конкурируют.
Репорт — не строчка в базе. Его надо прочитать, понять замысел автора, воспроизвести, отсечь ложняк, присвоить severity и ответить исследователю. Аналитик триажа и раньше был самым дефицитным ресурсом индустрии; теперь он рискует превратиться в главное бутылочное горлышко.
Пока поток растёт быстрее команд, валидные репорты, похоже, будут подолгу застаиваться в очередях. А вместе с ними растёт и окно, в котором дыра открыта для реальных злоумышленников. Настоящим исследователям это демотивация в чистом виде: вознаграждение задерживается, статусы висят месяцами — неудивительно, что сильные специалисты могут попросту уйти в приватные программы. Вендорам тоже не слаще: выгоревшие команды безопасности, раздутые сроки патчей, репутационные издержки. Медленный ответ на репорт порой бьёт по бренду больнее, чем сам баг.
Индустрия огрызается симметрично: фильтрами и автоматизацией. Платформы внедряют ИИ-триаж — у HackerOne это ассистент Hai и автоматическая дедупликация, Bugcrowd продвигает машинную предвалидацию и скоринг качества репортов. Программы закручивают гайки на входе: качественный PoC вместо абстрактного описания, декларация использования ИИ, санкции за мусор, баны за массовую заливку.
Параллельно вендоры отбирают низко висящие фрукты у людей своими руками. Google подтягивает языковые модели к фаззеру OSS-Fuzz, а агент Big Sleep уже нашёл первую реальную уязвимость — ошибку работы с буфером в SQLite. DARPA на конкурсе AIxCC довела идею до логического финала: автономные агенты в прямом эфире на DEF CON искали и латали уязвимости в настоящем опенсорсе. Логика рынка меняется у всех на глазах: находки добывает машина, человек — верифицирует.
Открытый баг-баунти в привычном виде — «присылайте всё, заплатим за подтверждённое» — переживает кризис модели. Вероятное направление эволюции: платформы с проверенными исследователями, верификацией личности и репутационными рейтингами; приватные программы с узким скоупом, где платят за подтверждённый сигнал, а не за попытку. Ожидается и рост managed-программ — там площадка сама фильтрует поток, прежде чем он дойдёт до вендора.
Технически напрашивается сценарий «ИИ против ИИ»: автоматический поиск с одной стороны, автоматическая валидация с другой, человек вмешивается только в спорных случаях. Риски при этом очевидны. Стоит доверить триаж модели — и пропущенная критическая уязвимость вместе с несправедливо отклонённым репортом превратятся из случайностей в системные ошибки. Будущее disclosure выглядит не так «репортов меньше», а так: фильтры на входе жёстче, каждый прошедший сигнал — дороже.
В России баг-баунти живёт на собственных площадках. Крупнейшая — Standoff Bug Bounty от Positive Technologies с регулярными сезонными программами для банков, телекома и ритейла. Работают и BI.ZONE Bug Bounty, через которую идут программы крупных банков, и F.A.C.C.T., выросшая из недр Positive Technologies. Свои программы держат Яндекс, VK, «Сбер» и Kaspersky.
Вехой стали поправки 2023 года, легализовавшие поиск уязвимостей за вознаграждение: до них юридический статус исследователя висел в серой зоне, и это сдерживало и вендоров, и белых хакеров. С ИИ-шумом отечественные площадки, судя по всему, сталкиваются по тем же причинам, что и западные: сканеры с LLM доступны всем, а аналитиков триажа на рынке хронически не хватает. Есть и своё ограничение: глобальные платформы после 2022 года фактически закрыты для выплат российским исследователям — весь поток разгребают внутренними силами. Перспектива — в связке «ML-триаж плюс жёсткий регламент». Positive Technologies и «Лаборатория Касперского» уже применяют машинное обучение в защитных продуктах; перенос этих наработок в баг-баунти — вопрос времени.
ИИ баг-баунти не убил — он вскрыл его старую болячку: триаж всегда был ручным, а поток грозит стать машинным. Шторм репортов — это прежде всего кризис фильтрации, и лечится он тем же, чем вызван: автоматической дедупликацией, ИИ-валидацией и пересборкой стимулов. Выиграют те площадки и вендоры, кто раньше остальных перестанет платить за объём и начнёт платить за подтверждённый сигнал. Исследователям, возможно, предстоит прощание с эпохой лёгких находок — но и шанс вернуться к сути профессии: искать то, что действительно ломается.