Firefox załatał 271 luk zero-day znalezionych przez AI. Nowa era defensywy?

Mozilla poinformowała, że Firefox 150 zawiera poprawki dla 271 podatności zidentyfikowanych przez wczesną wersję modelu sztucznej inteligencji Claude Mythos Preview firmy Anthropic. To niezwykła liczba – jeszcze rok temu pojedyncza taka luka w utwardzonym systemie wywołałaby alarm najwyższego stopnia. Dziś zespoły bezpieczeństwa muszą zmierzyć się z falą odkryć, które AI generuje w tempie niemożliwym do osiągnięcia przez ludzi.

Skala zjawiska i reakcja Mozilli

Zespół Firefoxsa pracował nad problemem od lutego 2026 roku. Wcześniejsza współpraca z Anthropic, wykorzystująca model Opus 4.6, doprowadziła do naprawy 22 błędów w wersji 148. Skok do 271 podatności w kolejnej iteracji pokazuje, jak szybko rozwijają się możliwości AI w analizie kodu.

Mozilla przyznaje wprost: gdy pierwsze wyniki trafiły do zespołu, wywołały zawrót głowy. Dla utwardzonego celu, jakim jest przeglądarka używana przez miliony osów, taka liczba luk równocześnie zmusza do przewartościowania priorytetów. Zespół musiał skupić się wyłącznie na tym zadaniu, odkładając inne prace.

Firma podkreśla jednak optymistyczny wniosek: obrońcy w końcu mają szansę wygrać. Jeśli organizacje potrafią szybko łatać systemy i dystrybuować poprawki, technologia AI działa na ich korzyść. Mozilla widzi światełko w tunelu – praca nie jest skończona, ale najgorsze już za nimi.

Jak AI zmienia równowagę sił

Dwa tygodnie przed ogłoszeniem Mozilli Anthropic zapowiedziało Claude Mythos Preview – model zdolny autonomicznie znajdować i wykorzystywać podatności w oprogramowaniu, zamieniając je w działające exploity bez pomocy ekspertów. Chodziło o luki w kluczowych systemach operacyjnych i infrastrukturze internetowej, których nie wykryły tysiące programistów pracujących nad tymi projektami.

Wiadomość wywołała震撼 w społeczności bezpieczeństwa. Anthropic nie udostępnił modelu publicznie, ograniczając dostęp do wybranej grupy firm. Część obserwatorów spekulowała, że to wymówka – firma może nie mieć wystarczających mocy obliczeniowych GPU, by uruchomić system na szerszą skalę. Inni widzą w tym konsekwentną realizację misji bezpieczeństwa AI.

Niezależnie od motywacji, eksperci zgadzają się: to realny, choć przyrostowy krok. Problem w tym, że nawet przyrostowe kroki znaczą, gdy patrzymy na długoterminowy obraz. Pięć lat temu modele AI nie potrafiły znajdować takich luk. Dziś to codzienność. Bazowa linia przesunęła się dramatycznie.

Które systemy są najbardziej zagrożone

Nie wszystkie podatności są równe. Część można znaleźć, zweryfikować i załatać automatycznie. Inne – jak typowe aplikacje webowe w chmurze oparte na standardowych stackach – są łatwe do naprawy i szybko otrzymują aktualizacje.

Największe ryzyko dotyka systemów trudnych lub niemożliwych do załatania: urządzeń IoT, sprzętu przemysłowego, starszych systemów bankowych i lotniczych. Te infrastruktury są podłączone do internetu, ale rzadko aktualizowane. AI może znaleźć w nich luki równie łatwo jak w nowoczesnym oprogramowaniu, ale obrona nie nadąży z poprawkami.

Kolejna kategoria to systemy rozproszone – tysiące współpracujących usług w chmurze, gdzie trudno odróżnić prawdziwą lukę od fałszywego alarmu i niezawodnie ją odtworzyć. Tu weryfikacja staje się wąskim gardłem.

Co to oznacza dla obrony

Systemy niepatchowalne lub trudne do weryfikacji powinny być owinięte w restrykcyjne warstwy ochronne. Lodówka, termostat czy system kontroli przemysłowej nie mogą swobodnie rozmawiać z internetem – muszą stać za stale aktualizowanym firewallem. To podstawowa zasada, której kuszące było porzucenie w erze AI, ale pozostaje aktualna.

Systemy rozproszone wymagają śledzenia interakcji i zasady najmniejszych uprawnień – każdy komponent ma dostęp tylko do tego, czego potrzebuje. Automatyczne, ciągłe testowanie staje się krytyczne. Defensywne agenty AI mogą testować exploity na rzeczywistym stacku w kółko, aż fałszywe alarmy zostaną wyeliminowane, a prawdziwe luki potwierdzone i naprawione. Taki VulnOps prawdopodobnie stanie się standardem procesu deweloperskiego.

Dokumentacja zyskuje na wartości – prowadzi agenty AI w poszukiwaniu błędów tak samo skutecznie jak programistów. Stosowanie standardowych praktyk, narzędzi i bibliotek pozwala AI i ludziom lepiej rozpoznawać wzorce, nawet w świecie efemerycznego oprogramowania generowanego na żądanie.

Kto wygra: atak czy obrona?

Długoterminowo prawdopodobnie obrona, szczególnie w systemach łatwych do łatania i weryfikacji. Na szczęście obejmuje to nasze telefony, przeglądarki i główne usługi internetowe. Ale dzisiejsze samochody, transformatory elektryczne, lodówki i latarnie są podłączone do sieci. Nie wszystkie otrzymają poprawki wystarczająco szybko.

Możemy spodziewać się kilku lat ciągłych włamań, zanim osiągniemy nową normalność: gdzie weryfikacja jest najważniejsza, a oprogramowanie łatane nieprzerwanie. Mozilla pokazuje, że droga jest trudna, ale przejezdna. Pytanie brzmi: ile organizacji zdoła nadążyć za tempem, które narzuca sztuczna inteligencja?