Есть устойчивое убеждение: криптографический код, написанный серьёзными командами и прошедший ревью, надёжен. Кейс с библиотекой CIRCL от Cloudflare это убеждение не разрушает — но существенно усложняет.
Команда zkSecurity запустила ИИ-агент на CIRCL — экспериментальную библиотеку постквантовой криптографии от Cloudflare. Результат: семь подтверждённых уязвимостей. Все исправлены. Большинство получили вознаграждение через программу HackerOne.
Проблема: ручной аудит дорог, автоматический — неточен
Традиционный аудит безопасности стоит дорого и масштабируется плохо. Автоматические сканеры дают много шума и мало сигнала. LLM-агенты — новая категория, которая потенциально закрывает этот разрыв, но с важными оговорками.
zkSecurity тестировали два режима работы:
- Простой LLM с базовым промптом — стандартный подход
- LLM с наборами навыков — экспертиза исследователей безопасности, систематически закодированная в агент
Разница в результатах оказалась существенной. Режим с навыками находил больше, находил серьёзнее и реже ошибался в приоритизации.
Решение: агентный конвейер с верификацией
Архитектура конвейера zkao устроена так: ИИ генерирует кандидатные находки → эксперты проверяют каждую вручную → подтверждённые баги уходят на раскрытие.
Этот подход дал конкретные результаты на CIRCL:
Найденные уязвимости включали:
- Потерю точности float64 при вычислении полинома в пороговом RSA (TSS)
- Подделку DLEQ-доказательства через параметр, контролируемый доказывающей стороной
- Отсутствие проверки уникальности сообщений при агрегации подписей BLS
- Нарушение корректности DLEQ через коллизию знака в функции FillBytes
Один критически важный инсайт: оценка серьёзности у ИИ и у Cloudflare расходилась кардинально. То, что модель помечала как «критическое», эксперты оценивали как «низкое» — и наоборот. Уязвимость в агрегации BLS получила «среднюю» от ИИ и «высокую» от Cloudflare.
Результат: что это значит для бизнеса
Для компаний, которые строят продукты или процессы на базе ИИ-агентов, кейс zkSecurity даёт три практических вывода.
Автоматизация находит, человек валидирует. Пайплайн снижает стоимость поиска уязвимостей, но не убирает этап верификации. Архитектура должна это учитывать.
Специализация агента важнее выбора модели. LLM с встроенной доменной экспертизой превосходит «умный промпт» на голой модели. Это применимо не только к безопасности — к любой задаче, где важна точность.
Непрерывный анализ > разовый скан. Цель zkao — постоянный режим анализа, а не аудит раз в квартал. Автоматизация работает, когда она встроена в процесс, а не вызывается по случаю.
ИИ-аудит кода — это не будущее. Это уже рабочий инструмент с подтверждёнными результатами. Вопрос не «работает ли это», а «как правильно встроить в процессы».