Programación y desarrollo de software

GitHub y los laboratorios de Microsoft transforman informes de vulnerabilidades generados por IA en correcciones listas para usar

Una colaboración entre GitHub y Microsoft a través del experimento Codename MDASH logró transformar miles de informes iniciales de vulnerabilidades generadas por inteligencia artificial en 99 informes privados y verificados con propuestas de corrección para seis populares proyectos de código abierto.

2026-11-17
3 min de lectura
11 visitas
certi.news Editorial Team
GitHub y los laboratorios de Microsoft transforman informes de vulnerabilidades generados por IA en correcciones listas para usar

GitHub y Microsoft han lanzado los resultados de un experimento práctico conjunto llamado Codename MDASH, cuyo objetivo es abordar la crisis de los informes de vulnerabilidades de seguridad generados por herramientas de inteligencia artificial que sobrecargan a los desarrolladores y mantenedores de software de código abierto. En lugar de inundar a los desarrolladores con resultados de análisis en bruto que a menudo contienen duplicados o alertas inexactas, el experimento se centró en ofrecer correcciones de código listas para usar y previamente verificadas.

El experimento se basó en un sistema de escaneo combinatorio impulsado por los modelos de seguridad de Microsoft (MAI Cyber), junto con filtros y verificaciones respaldados por los laboratorios de seguridad de GitHub y el equipo FORGE Lab de Microsoft. La iniciativa abarcó seis proyectos de código abierto ampliamente utilizados, entre ellos Caddy, AutoGPT, ImageMagick, Netty, Express y FastMCP, donde miles de problemas fueron escaneados y filtrados de forma manual y programática para llegar a los desarrolladores en forma de 99 informes privados acompañados de una corrección propuesta.

¿Cómo funcionó el sistema Codename MDASH?

  • Escaneo: Analizar los proyectos utilizando el modelo de inteligencia artificial de seguridad y proponer correcciones iniciales para las vulnerabilidades detectadas.
  • Filtrado: Utilizar un agente de análisis inteligente basado en las habilidades de Copilot para eliminar duplicados y centrarse en las vulnerabilidades de alto impacto.
  • Verificación: Revisión manual rigurosa por parte de investigadores de seguridad para garantizar la precisión de los resultados antes de enviarlos a los desarrolladores.
  • Notificación y corrección: Enviar los informes de forma privada a través de la función de aviso de vulnerabilidades de GitHub, proporcionando el código de corrección propuesto para que los desarrolladores lo revisen e integren.

¿Qué cambia prácticamente para los desarrolladores?

Los resultados mostraron que, hasta mediados de noviembre, los desarrolladores de los seis proyectos lograron corregir más de la mitad de los informes presentados (55 correcciones), integrando 14 de ellas en las versiones reales de software en pocos días. Los mantenedores afirmaron que recibir un informe respaldado por una corrección propuesta y revisada previamente ahorra muchas horas de esfuerzo que se desperdiciarían leyendo y analizando resultados de escaneo en bruto sin filtrar.

Próximos pasos y ampliación del alcance

Microsoft y GitHub planean aprovechar estas lecciones integrando tecnologías de revisión similares en los informes de vulnerabilidades privadas y las asesorías de seguridad, coincidiendo con el anuncio de la segunda versión del modelo MAI Cyber. Los planes también incluyen ampliar el apoyo a través del fondo de código abierto seguro de GitHub (GitHub Secure Open Source Fund) para proporcionar a los proyectos elegibles análisis de seguridad impulsados por inteligencia artificial y revisión humana previa.

Fuente de la noticia
c
Autor

certi.news Editorial Team

De la misma categoría

También te puede interesar

Ver todas las noticias