Google выпустила открытый фреймворк Mantis для автоматизации аудита безопасности ПО

МАУНТИН-ВЬЮ, Калифорния. — Технологический гигант Google выпустил Mantis — открытый фреймворк на базе агентов искусственного интеллекта, предназначенный для оптимизации жизненного цикла уязвимостей ПО путем проверки дефектов безопасности, сокращения ложных тревог и автоматизации исправления кода. Инструмент, анонсированный September 6, 2026, призван решить давние проблемы автоматизированного аудита безопасности, при котором традиционные статические сканеры и необработанные большие языковые модели часто наводняют разработчиков предупреждениями о несуществующих или неэксплуатируемых угрозах. Структурируя ИИ-модели в специализированных агентов, использующих внешние инструменты для выполнения и проверки потенциальных нарушений безопасности в контролируемых средах, Mantis стремится сократить разрыв между первоначальным обнаружением дефекта и непосредственным развертыванием патча.

## Ключевые факты - Google официально выпустила Mantis как проект с открытым исходным кодом September 6, 2026. - Фреймворк координирует автономных специализированных ИИ-агентов на протяжении всего жизненного цикла уязвимости ПО, включая обнаружение, валидацию, воспроизведение и устранение. - Mantis был разработан специально для снижения уровня ложноположительных срабатываний и «галлюцинированных» уязвимостей, характерных для средств статического тестирования безопасности приложений и отдельных больших языковых моделей. - Фреймворк опирается на динамическую валидацию, создавая исполняемые тесты для подтверждения концепции (proof-of-concept) в изолированных средах («песочницах»), чтобы убедиться, действительно ли обнаруженная уязвимость поддается эксплуатации. - Помимо проверки уязвимостей, Mantis автоматически генерирует кандидаты патчей кода и скрипты воспроизведения, снижая объем ручной работы для команд разработчиков ПО.

## Что произошло В рамках публичного релиза, анонсированного September 6, 2026, компания Google предоставила кодовую базу своего фреймворка Mantis мировому сообществу разработчиков ПО и специалистов по кибербезопасности. Согласно отчету Sergio De Simone, Google разработала этот инструмент как агентную обвязку (agentic harness) для устранения хронических операционных проблем, связанных с тем, как автоматизированные системы безопасности выявляют, сортируют и устраняют уязвимости в исходном коде.

На протяжении десятилетий автоматизированный аудит безопасности в значительной степени опирался на движки статического анализа, которые построчно разбирают исходный код для выявления шаблонов, связанных с уязвимостями. Хотя эти инструменты обеспечивают широкое покрытие, они часто генерируют чрезмерное количество ложноположительных срабатываний — помечая как опасные те фрагменты кода, которые выглядят рискованными изолированно, но безопасно нейтрализуются окружающей логикой приложения, функциями очистки данных или недостижимыми путями выполнения. В последние годы интеграция генеративного искусственного интеллекта и больших языковых моделей (LLM) обещала сделать обнаружение уязвимостей более гибким. Однако несвязанные с реальным окружением LLM породили новую проблему, регулярно «галлюцинируя» проблемы безопасности, представляя безвредные конструкции кода как опасные уязвимости или выдумывая несуществующие векторы атак.

Google разработала Mantis, чтобы заменить пассивный анализ активной проверкой с использованием внешних инструментов. Вместо того чтобы полагаться на одиночную статическую проверку или простую модель «запрос-ответ», Mantis координирует сеть специализированных ИИ-агентов, имеющих доступ к компиляторам, отладчикам и средам выполнения. Когда в кодовой базе отмечается потенциальная уязвимость, Mantis не отправляет мгновенно оповещение инженерам. Вместо этого его агенты создают и запускают скрипт атаки для подтверждения концепции в изолированной «песочнице», проверяя, может ли уязвимость действительно быть активирована во время выполнения.

Если проверка концепции не приводит к небезопасному состоянию выполнения, Mantis отфильтровывает или понижает приоритет предупреждения, предотвращая излишнюю нагрузку на команды разработки. Если же эксплойт успешно демонстрирует реальный дефект, фреймворк фиксирует точные шаги воспроизведения и передает задачу агенту устранения. Этот вторичный агент формирует проект патча исходного кода для устранения уязвимости, после чего повторно запускает как исходный скрипт эксплойта, так и существующие юнит-тесты приложения, гарантируя, что исправление ликвидирует уязвимость и не вызывает регрессионных ошибок.

## Почему это важно Релиз Mantis направлен на решение одной из самых острых операционных проблем в современной корпоративной разработке ПО — усталости от оповещений в сфере кибербезопасности. Современные корпоративные репозитории программного обеспечения сильно зависят от взаимосвязанных компонентов с открытым исходным кодом, которые часто составляют от 80 до 90 процентов общей кодовой базы конечного приложения. Когда корпоративные конвейеры DevSecOps выполняют непрерывное сканирование безопасности миллионов строк кода, центры мониторинга безопасности (SOC) и команды разработчиков регулярно оказываются завалены тысячами сомнительных уведомлений о безопасности.

Когда инженеры вынуждены тратить сотни часов на ручное расследование фантомных дефектов безопасности, продуктивность снижается, релизы продуктов задерживаются, а доверие разработчиков к автоматизированным инструментам безопасности серьезно подрывается. В крайних случаях критические уязвимости, требующие немедленного вмешательства, могут быть упущены из виду просто потому, что они погребены под горой нерелевантных предупреждений.

Заменяя статистическое сопоставление шаблонов эмпирическим выполнением под управлением агентов, Mantis предлагает фреймворк, способный кардинально снизить затраты и сложности при поддержке безопасных цепочек поставок ПО. Для сопровождающих проекты с открытым исходным кодом (мейнтенеров), многие из которых управляют широко используемой глобальной инфраструктурой ПО на добровольных началах, внедрение автоматизированной проверки и генерации патчей может трансформировать управление уязвимостями. Небольшие команды мейнтенеров, в настоящее время перегруженные автоматическими ботами для баг-репортов, смогут разворачивать агентные обвязки для автоматической сортировки входящих отчетов, что позволит специалистам сосредоточиться исключительно на приоритетных архитектурных решениях и сложном ревью кода.

## Контекст Чтобы понять, почему Google создала Mantis, необходимо рассмотреть историю развития тестирования безопасности приложений и недавний переход к агентным ИИ-системам. Исторически автоматизированный аудит ПО опирался на две основные методологии: статическое тестирование безопасности приложений (Static Application Security Testing, SAST) и динамическое тестирование безопасности приложений (Dynamic Application Security Testing, DAST).

Инструменты Static Application Security Testing анализируют исходный код без компиляции на предмет синтаксических шаблонов, приводящих к уязвимостям, таких как неотфильтрованный пользовательский ввод или небезопасные вызовы криптографических функций. Хотя SAST обеспечивает широкое покрытие на ранних этапах жизненного цикла разработки, отсутствие возможности наблюдать за потоками данных во время выполнения приводит к печально известному высокому уровню ложных срабатываний. Напротив, инструменты Dynamic Application Security Testing исследуют скомпилированные работающие приложения извне для выявления доступных уязвимостей. Хотя DAST дает значительно меньше ложноположительных результатов из-за анализа реального поведения системы, он требует сложных сред развертывания и часто не способен дотянуться до глубоких условных логических путей в бэкенде приложений.

Когда в период с 2022 по 2024 год технологические компании начали применять большие языковые модели для безопасности кода, первые реализации выявили фундаментальные архитектурные ограничения. Поскольку LLM работают как вероятностные системы дополнения текста, а не как детерминированные движки выполнения, они испытывают трудности с пространственным анализом многофайловых кодовых баз и часто выдумывают несуществующие риски безопасности при столкновении со сложным синтаксисом.

Чтобы преодолеть эти ограничения, в 2024–2025 годах исследования в области компьютерных наук сместились в сторону «агентных» ИИ-архитектур. В агентном фреймворке LLM работает внутри итеративного цикла управления, используя внешние инструменты, интерфейсы командной строки, компиляторы и тестовые среды для валидации своих рассуждений перед формированием итогового ответа. Выпуск Mantis компанией Google опирается на ее многолетние исследовательские программы в сфере кибербезопасности, включая подразделение по поиску уязвимостей Project Zero и инфраструктуру автоматизированного тестирования OSS-Fuzz, за счет применения агентных циклов непосредственно к жизненному циклу безопасности ПО. Требуя от ИИ-агентов доказывать наличие уязвимостей через выполнение во время работы системы и подтверждать исправления с помощью регрессионного тестирования, Mantis привязывает модели искусственного интеллекта к эмпирическому, детерминированному поведению программного обеспечения.

## Реакция Поскольку Mantis был выпущен как открытый проект September 6, 2026, официальные оценки отрасли и корпоративные кейсы сразу после анонса пока ограничены. Тем не менее, ожидается, что разработчики ПО и специалисты по безопасности приложений подвергнут фреймворк всестороннему практическому тестированию. На форумах разработчиков и в публичных репозиториях кода инженеры по безопасности выражают давнюю потребность в инструментах, способных снизить шум от ложноположительных срабатываний, особенно после лет использования автоматических систем отчётности, загромождавших баг-трекеры открытых проектов непроверенными заявлениями об уязвимостях.

Ожидается, что корпоративные команды DevSecOps проведут пилотные интеграции Mantis в конвейеры непрерывной интеграции и развертывания (CI/CD) для оценки ключевых метрик эффективности, таких как расход токенов модели, задержка выполнения и инфраструктурные затраты. Организации по отраслевым стандартам, включая Open Source Security Foundation (OpenSSF), также выступают ключевыми заинтересованными сторонами, которые, вероятно, будут отслеживать возможность стандартной интеграции агентных обвязок сканирования в публичную инфраструктуру аудита открытого ПО для защиты критически важной мировой цифровой инфраструктуры.

## Что пока неизвестно Несмотря на детали, обнародованные при релизе, ряд ключевых операционных параметров Mantis остается неизвестным. На данный момент неясно, какие именно бэкенды больших языковых моделей — например, модели Gemini от Google или сторонние модели с открытыми весами — поддерживаются по умолчанию, а также какой уровень тонкой настройки (fine-tuning) требуется для оптимальной работы с различными языками программирования.

Кроме того, в публичных отчетах пока отсутствуют подробные бенчмарки, сравнивающие показатели снижения ложноположительных срабатываний Mantis напрямую с признанными промышленными платформами SAST и DAST, такими как SonarQube, Snyk или GitHub CodeQL. Первоначальные данные также не проливают свет на то, как Mantis справляется с аудитом сложных распределенных систем, микросервисных архитектур или приложений, требующих специальных состояний аутентификации и внешних баз данных, которые трудно воспроизвести внутри автоматизированных «песочниц». Наконец, аналитики по кибербезопасности будут пристально наблюдать за тем, не смогут ли злоумышленники применить функции автоматического воспроизведения эксплойтов в Mantis в качестве оружия для ускорения атак с использованием уязвимостей нулевого дня.

## За чем следить В ближайшие месяцы несколько конкретных индикаторов определят темпы внедрения и практическую эффективность фреймворка Mantis в технологической отрасли. Во-первых, отраслевые аналитики будут следить за официальным репозиторием Mantis на GitHub, чтобы отслеживать вклад сообщества open-source, разработку сторонних плагинов и коннекторы интеграции для основных платформ развертывания, таких как GitHub Actions, GitLab CI и Jenkins.

Во-вторых, ожидается, что независимые академические институты и исследовательские лаборатории по кибербезопасности опубликуют официальные сравнительные исследования, протестировав Mantis на признанных наборах данных уязвимостей, таких как OWASP Benchmark или NIST Juliet Test Suite, для измерения точных метрик точности (precision), полноты (recall) и корректности патчей. В-третьих, обозреватели отрасли будут ждать анонсов о внутреннем развертывании Mantis в собственной инфраструктуре разработки ПО компании Google или его интеграции в корпоративные облачные продукты, такие как Google Cloud Security Command Center. Наконец, ключевым показателем послужит позиция крупнейших фондов открытого ПО, когда мейнтенеры будут решать, принимать ли официально патчи, проверенные Mantis, в рабочие процессы публичных репозиториев.

Этот материал подготовлен на основе оригинального репортажа Sergio De Simone.