W wywiadzie dla Help Net Security Nathan Smolenski z Qualys omawia wyzwania związane z rosnącą liczbą podatności odkrywanych przy użyciu sztucznej inteligencji. AI potrafi łączyć błędy o niskim priorytecie w łańcuchy prowadzące do zdalnego wykonania kodu, co zmienia dynamikę zagrożeń. Ekspert podkreśla, że mniej niż 1% wszystkich ogłoszonych luk stanowi realne, aktywne ryzyko wymagające natychmiastowej reakcji.
Zamiast polegać na standardowym wskaźniku MTTR, Smolenski sugeruje monitorowanie Average Window of Exposure (AWE). Wskaźnik ten mierzy czas od momentu pojawienia się aktywnego exploita w konkretnym środowisku do momentu skutecznego załatania luki. Pozwala to lepiej zrozumieć realne ryzyko biznesowe i skupić zasoby tam, gdzie są one najbardziej potrzebne.
Autor wskazuje również na metodę hiper-priorytetyzacji, która opiera się na danych o zasobach IT i wywiadzie zagrożeń w czasie rzeczywistym, zamiast na statycznych arkuszach kalkulacyjnych. W kontekście automatyzacji napraw, zaleca podejście warstwowe (asset tiering) oraz mechanizmy kontrolne typu human-in-the-loop, co pozwala budować zaufanie do autonomicznego łatania systemów.
