Cách tiếp cận thận trọng của Yubico đối với việc ứng dụng AI

Làn sóng AI bùng nổ mang đến không ít thách thức. Sự gia tăng của các đòn tấn công lừa đảo tinh vi, nội dung rác tràn lan và diện tấn công mạng mở rộng đang gây ra áp lực lớn. Giữa bối cảnh đó, bài toán đặt ra cho các doanh nghiệp công nghệ là: Làm sao để tận dụng sức mạnh của AI nhằm tối ưu hóa hiệu suất mà không đánh đổi sự an toàn của hệ thống?

Từ kỳ vọng đến thực tế: Bài kiểm tra trên 29 kho mã nguồn

Thay vì áp dụng AI một cách ồ ạt, Yubico chọn phương án tiếp cận có đo lường: thử nghiệm tích hợp AI vào quy trình phát triển phần mềm an toàn (SDLC), đồng thời ưu tiên đánh giá các dự án mã nguồn mở trước để kiểm soát rủi ro.

Sử dụng các mô hình chuyên sâu như Anthropic’s Claude Code Security và OpenAI’s Codex Security, chiến dịch kiểm thử trên 29 kho mã nguồn đã ghi nhận những kết quả đáng chú ý:

• Tối ưu chi phí và thời gian: Toàn bộ chiến dịch hoàn thành trong 4 tuần với khoảng $3,000 chi phí sử dụng API – một con số khiêm tốn so với khối lượng mã nguồn khổng lồ được rà soát.
• Hiệu quả phát hiện: Ghi nhận 448 phát hiện chính xác về vệ sinh mã nguồn và phòng thủ chuyên sâu, với tỷ lệ báo động giả gần như không đáng kể.

Những “điểm mù” của AI mà con người vẫn phải gánh vác

Mặc dù mang lại hiệu suất ấn tượng, quá trình thử nghiệm của Yubico cũng chỉ ra những giới hạn rõ rệt:

• Thói quen “phóng đại” nguy cơ: AI có xu hướng đánh giá mức độ nghiêm trọng cao hơn so với thực tế. Khi có sự tham gia thẩm định của các kỹ sư an ninh mạng, khoảng 46% cảnh báo của AI đã bị hạ cấp – phổ biến nhất là chuyển từ mức nghiêm trọng xuống mức trung bình.
• Bỏ sót các chuỗi tấn công phức tạp: Khi chạy thử nghiệm trên một hệ thống chứa lỗ hổng thực tế đã biết (liên quan đến chuẩn WebAuthn), các mô hình AI tỏ ra kém hiệu quả. AI gặp khó khăn trong việc kết hợp nhiều lỗ hổng nhỏ rải rác để nhận diện một kịch bản khai thác phức tạp.
• Rào cản từ cơ chế an toàn: Các hàng rào bảo vệ mặc định của AI đôi khi nhầm lẫn hoạt động kiểm thử hợp pháp của chuyên gia bảo mật với hành vi tấn công độc hại, dẫn đến việc mô hình từ chối phân tích.

Phương pháp tối ưu: Thiết kế Prompt và mô hình Agent đa tầng

Để giúp AI hoạt động hiệu quả nhất, kỹ thuật giao tiếp với mô hình đóng vai trò quyết định. Yubico đã xây dựng một bộ lệnh (prompt) phức tạp dài gần 1.000 dòng, cung cấp đầy đủ ngữ cảnh về mô hình đe dọa, phân quyền phần mềm và các mẫu lỗ hổng cần tìm.

Sơ đồ vận hành kết hợp giữa AI và con người được triển khai theo các bước:

• Phân nhiệm đa Agent: Một AI Agent chính sẽ nhận dữ liệu và phân chia công việc cho các Sub-Agent chuyên trách từng tác vụ nhỏ để tránh tình trạng phân tán mục tiêu.
• Đánh giá độc lập: Hai kỹ sư an ninh mạng vận hành các lượt quét AI độc lập trên cùng một kho mã nguồn để đối chiếu kết quả.
• Thẩm định trực tiếp: Con người đóng vai trò chốt chặn cuối cùng, trực tiếp phân tích luồng mã (code flow) và xác minh tác động thực tế của cảnh báo trước khi đưa vào sửa chữa.

Lời giải cho bài toán áp dụng AI

Kinh nghiệm từ Yubico chỉ ra rằng AI chưa thể thay thế hoàn toàn chuyên môn của con người hay các khoản đầu tư hạ tầng an ninh mạng truyền thống. Tuy nhiên, nếu được định hướng bằng quy trình chặt chẽ và các chuỗi câu lệnh (prompts) tối ưu, AI sẽ là trợ lý đắc lực giúp đẩy nhanh tốc độ kiểm thử, phát hiện sớm các lỗi cơ bản và nâng cao năng lực cho đội ngũ phát triển ngay từ những dòng code đầu tiên.