Исследователи из Центра практического искусственного интеллекта Сбербанка представили инновационный метод поиска уязвимостей в программном коде с помощью искусственного интеллекта. Разработка способна значительно повысить кибербезопасность цифровых продуктов, снизить риски утечек данных и защитить бизнес от хакерских атак. Результаты исследования опубликованы в престижном научном журнале IEEE Access.
Как ИИ помогает находить уязвимости в коде?
Традиционно для поиска ошибок в программном обеспечении используются статические анализаторы кода, но они имеют ряд ограничений:
- требуют ручной настройки под каждый проект;
- могут пропускать сложные уязвимости;
- работают медленнее, чем современные нейросетевые модели.
Новый подход основан на дообучении больших языковых моделей (LLM). Ученые использовали предобученную нейросеть и адаптировали её для поиска именно опасных ошибок.
Ключевые преимущества метода:
✅ Высокая точность – благодаря улучшенному набору обучающих данных.
✅ Скорость анализа – в 13 раз быстрее по сравнению с классическими методами.
✅ Автоматизация – минимизация ручного труда при проверке кода.
Как работала исследовательская группа?
Для обучения модели ученые:
- Собрали и разметили датасет на основе Java-кода с точно определенными уязвимостями.
- Оптимизировали процесс обучения, подобрав оптимальный размер мини-батча (количество примеров за одну итерацию).
- Повысили качество выборки, исключив сомнительные или некорректные примеры.
В результате получилась модель, превосходящая аналоги по эффективности обнаружения критических ошибок.
Почему это важно для бизнеса и IT-индустрии?
Глеб Гусев, директор Центра практического ИИ Сбербанка:
“Наша разработка – это серьезный шаг в области кибербезопасности. В условиях цифровизации бизнеса защита данных становится критически важной. Использование ИИ для поиска уязвимостей позволяет компаниям быстрее выявлять риски и предотвращать кибератаки.”
Где можно применять эту технологию?
🔹 Корпоративная разработка – анализ внутреннего кода компаний.
🔹 Финтех и банкинг – защита транзакций и персональных данных.
🔹 Госсектор – безопасность критической инфраструктуры.
Будущее ИИ в кибербезопасности
Метод открывает новые возможности для:
- масштабирования проверки кода в крупных проектах;
- снижения затрат на ручной аудит безопасности;
- развития автономных систем мониторинга уязвимостей.
В перспективе подобные модели могут полностью автоматизировать процесс тестирования ПО, сократив время выхода продуктов на рынок.
