Framework de divulgação coordenada busca conter a enxurrada de vulnerabilidades 'descobertas' por IA
O FedTrust-CVDv2 propõe uma arquitetura de divulgação coordenada de vulnerabilidades que separa validação de evidência, coordenação entre organizações, governança humana e auditoria permissionada, respondendo ao problema de ferramentas de IA gerarem achados de vulnerabilidade plausíveis mais rápido do que mantenedores conseguem verificar. Na implementação de referência, o sistema aceitou corretamente todos os 25 casos válidos e rejeitou todos os 650 inválidos, mas ablações mostraram que remover qualquer salvaguarda isolada já deixa passar entre 25 e 75 casos inválidos.
A descoberta de vulnerabilidades assistida por IA — fuzzing guiado por LLM, agentes que leem código e geram relatórios de bug automaticamente — já produz um volume de achados que cresce mais rápido do que a capacidade humana de triagem. O risco não é só de volume: um relatório gerado por IA pode parecer tecnicamente convincente e ainda assim estar errado, incompleto ou atribuído ao contexto errado, e uma vez que entra no fluxo de coordenação entre fornecedor, pesquisador e CNA (CVE Numbering Authority), fica difícil rastrear quem autorizou o quê e sob qual versão exata da evidência.
O framework vincula cada observação assinada a uma revisão exata de evidência: qualquer ação subsequente — notificar um fornecedor, publicar um advisory, emitir um CVE — só pode se referir à versão específica dos dados que foi validada, com escopo explícito de payload aprovado, audiência autorizada, prazo de validade, política aplicável e estado de revogação. Isso preserva o papel das CNAs existentes, mas adiciona uma camada de contrato formal entre evidência e ação, evitando que uma alegação gerada por IA avance no processo sem que essa cadeia de custódia esteja intacta.
Os autores ilustram a arquitetura com um caso formulado a partir de uma cadeia PHP2Shell, mostrando como evidência de execução, estado do patch, coordenação de emergência e autoridade da CNA podem ser representados sem tratar a saída da IA como verdade de vulnerabilidade, nem a integridade do log de auditoria como prova de exploração real. Na implementação de referência, o sistema aceitou os 25 fixtures válidos e rejeitou os 650 inválidos entre 27 famílias de política testadas; ablações que removeram uma única salvaguarda já deixaram passar entre 25 e 75 fixtures inválidos, sugerindo que a robustez do esquema depende de múltiplas camadas de verificação atuando em conjunto, e não de nenhum controle isolado.
À medida que mais produtos comerciais embutem agentes de IA em pipelines de bug bounty e scanning automatizado, a pergunta deixa de ser só "a vulnerabilidade é real" e passa a incluir "quem autorizou divulgar isso, para quem, e com que evidência vinculada" — um problema de governança que esse tipo de framework tenta formalizar antes que inconsistências no processo sejam exploradas, por exemplo forjando relatórios de IA para forçar disclosure prematuro ou para sobrecarregar equipes de segurança com falsos positivos custosos de triagem.