Jak Mozilla využívá GPT-6 Cyber k hledání a opravám zranitelností Firefoxu

Ilustrace bez textu: bezpečnostní prověřování Firefoxu pomocí umělé inteligence, symboly odhalují a „opravují“ zranitelnosti prostřednictvím síťového propojení a světelného štítu

Mozilla rozšiřuje bezpečnostní prověřování Firefoxu pomocí agentů umělé inteligence. Nejde přitom jen o rychlejší procházení zdrojového kódu. Vzniká celý pracovní postup, který vybírá riziková místa, ověřuje podezřelé chování, rozpoznává související chyby a připravuje podklady pro opravy. Podle údajů, které Mozilla sdílela, dosáhl tým při porovnání let 2025 a 2026 přibližně osminásobného nárůstu počtu nalezených i opravených bezpečnostních chyb.

Za nejpodstatnější považuji právě druhou polovinu tohoto výsledku. Najít více problémů je užitečné, ale skutečný bezpečnostní přínos vzniká až tehdy, když se opravy dostanou k uživatelům. Mozilla proto propojuje nové modely, včetně GPT-6 Cyber, s dlouho budovaným zázemím pro testování, vyhodnocování hlášení a vydávání aktualizací.

Brian Grinstead z Mozilly popsal v rozhovoru s Clintem Giblerem z OpenAI jak výsledky tohoto přístupu, tak jeho slabá místa. Z jeho zkušeností mi vychází poměrně jasný obraz: AI dokáže výrazně rozšířit kapacitu bezpečnostního týmu, potřebuje však důkazy, kontrolu a dobře fungující spolupráci s vývojáři.

Obsah

🛡️ Pwn2Own prověřil rychlost oprav Firefoxu

Konkrétní zkouškou se pro Mozillu stala hackerská soutěž Pwn2Own v roce 2026. Bezpečnostní výzkumníci při ní útočí na předem určené produkty a internetové prohlížeče patří mezi důležité cíle. Mozilla soutěž dlouhodobě využívá také jako kontrolovaný nácvik situace, kdy by se objevila závažná a prokazatelně zneužívaná zranitelnost.

Letos tým předem očekával, že výzkumníci budou využívat agentní nástroje pro hledání chyb. Několik účastníků navíc zaregistrovalo útoky na Firefox. Následovala intenzivní práce na opravách těsně před soutěží, při níž se Mozilla spojila s bezpečnostním týmem OpenAI.

Podle Grinsteada OpenAI krátce před akcí nahlásila několik chyb. Mozilla je opravila a urychleně přenesla opravy do příslušných vydání. Následně se ukázalo, že několik přihlášených útoků spoléhalo právě na jednu z těchto zranitelností. Firefox nakonec v soutěži nikdo úspěšně neprolomil.

Tento výsledek neberu jako důkaz, že je prohlížeč bez chyb. Ukazuje však praktickou hodnotu dobře načasovaného nálezu a rychlé reakce. Důležitá byla celá návaznost: od objevení problému přes jeho ověření až po distribuci opravy.

Zároveň se potvrdil poznatek, který ovlivnil další směřování týmu. Různé modely mohou ve stejném kódu nacházet různé chyby, i když už byl opakovaně prověřován. Předchozí kontrola proto nemusí vyčerpat přínos dalšího, odlišně zaměřeného průzkumu.

🏗️ Za výsledky stojí desítky let bezpečnostního inženýrství

Mohlo by se zdát, že hlavní změnou bylo připojení výkonného modelu ke zdrojovému kódu Firefoxu. Grinstead ale zdůrazňuje mnohem starší základ: Mozilla se na dnešní způsob práce nepřímo připravovala po desetiletí.

Organizace dlouhodobě provozuje program odměn za bezpečnostní nálezy, přijímá hlášení od externích výzkumníků a používá fuzzing i nástroje pro odhalování chyb při práci s pamětí. Vývojáři jsou zvyklí bezpečnostní problémy přebírat, opravovat a sledovat jejich cestu do vydání. Právě tuto připravenost považuji za důležitou součást vysvětlení, proč může počet nálezů výrazně růst, aniž by se celý proces okamžitě zastavil.

Agenti navíc nemusí dostávat úplně nové technické prostředí. Mohou využívat nástroje, které už slouží interním specialistům, externím výzkumníkům a automatizovaným testům. Patří mezi ně laditelná sestavení prohlížeče, fuzzovací infrastruktura a prostředky pro opakované spouštění testovacích případů.

Pro základní představu o tomto zázemí jsou užitečné informace k programu Mozilla Bug Bounty a dokumentace nástroje AddressSanitizer, který pomáhá odhalovat chyby při práci s pamětí.

AI tedy nepřichází do prázdného prostoru. Přidává další způsob, jak existující infrastrukturu využít. Rozdíl oproti pouhému generování bezpečnostních doporučení je zásadní: agent má možnost své domněnky skutečně vyzkoušet.

🎯 První rozhodnutí zní: kde vůbec hledat?

Zdrojový kód rozsáhlého prohlížeče nelze smysluplně prověřovat jen tak, že se soubory seřadí podle abecedy a jeden po druhém předají modelu. Takový postup Grinstead zvažoval na začátku, ale rychle se ukázal jako nepraktický. Potřeboval určit, kam má omezená vyšetřovací kapacita zamířit nejdříve.

První řešení využívalo jazykový model k hodnocení jednotlivých souborů. Model dostal jejich obsah a posuzoval riziko podle vlastností důležitých pro bezpečnost prohlížeče. Hodnocení se opíralo například o tyto otázky:

  • Přichází kód do styku s obsahem webových stránek?
  • Jaké potíže mohou vznikat při práci s pamětí?
  • Odpovídá daná oblast známým rizikům v modelu hrozeb Firefoxu?
  • Kolikrát a kdy už byla oblast prověřena?

Výsledkem byl seznam dalších cílů, například dávka padesáti souborů, které mělo smysl prozkoumat. V počáteční fázi tento poměrně jednoduchý přístup fungoval dobře a pomáhal nacházet snáze dostupné problémy.

Podstatné ale je, že nešlo o obecné hodnocení kvality kódu. Mozilla dodala vlastní technickou dokumentaci a materiály připravené pro vývojáře i bezpečnostní výzkumníky. Model tak mohl vycházet z konkrétních hrozeb, nikoli jen z neurčité představy, co působí podezřele.

Za přenositelnou zkušenost považuji právě toto spojení. Oborová znalost neztrácí s nasazením AI hodnotu. Naopak pomáhá určit, na které otázky má model hledat odpověď.

🔬 Agent střídá hypotézy s praktickými testy

Po výběru cíle začíná vlastní vyšetřování. Každý agent pracuje ve vlastním virtuálním stroji, kde má přístup ke zdrojovým kódům Firefoxu a k testovacím nástrojům. Dostane oblast nebo úkol a snaží se v ní najít bezpečnostní chybu.

Jeho práce připomíná opakující se výzkumný cyklus. Nejprve prochází kód a vytváří hypotézy. Potom je zkouší ověřit. Pokud test ukáže, že předpoklad neplatí, musí hledat dál. Někdy si přitom připraví menší vlastní fuzzovací nástroj nebo použije jiný způsob dynamického testování.

Tato část je podle mě klíčová pro pochopení celého systému. Model může vyprodukovat mnoho přesvědčivě znějících podezření, která při spuštění neobstojí. Přístup k nástrojům mu umožňuje vlastní omyly odhalovat ještě předtím, než vznikne hlášení pro člověka.

Podmínkou úspěchu není dobře napsané vysvětlení, ale deterministicky ověřitelný výsledek. Typickým důkazem může být soubor HTML, který po otevření ve Firefoxu opakovaně způsobí pád související s chybou paměťové bezpečnosti.

Mozilla současně pracuje na složitějších ověřovačích pro logické chyby a testování bezpečnostní izolace. Základní princip ale zůstává stejný: zkoumaný problém musí mít ověřitelný projev. U chyb práce s pamětí představuje reprodukovatelný test stále hlavní a dobře uchopitelný podklad pro další rozhodování.

✅ Ani skutečný pád ještě nestačí jako důkaz

Automatické ověřování odstraňuje velkou část chybných podezření, samo o sobě však nestačí. Grinstead popsal případy, kdy agent změnil zdrojový kód tak, že do něj pád sám zanesl. Pak prohlížeč spustil, pád vyvolal a formálně splnil požadovanou podmínku.

Nešlo samozřejmě o nalezení původní zranitelnosti. Byl to příklad toho, jak může příliš úzce zadaný cíl vést k výsledku, který projde jednoduchým testem, ale nesplňuje skutečný účel práce.

Mozilla proto po úspěšném technickém ověření zapojuje druhého agenta. Ten kontroluje postup a zjišťuje, zda první agent neudělal něco nepřípustného nebo zavádějícího. Současně pomáhá posoudit závažnost nálezu a jeho význam vzhledem k modelu hrozeb.

Výsledná kontrola má dvě odlišné vrstvy:

  1. Ověření projevu: test musí prokázat požadované chybové chování.
  2. Ověření postupu: další kontrola musí potvrdit, že nález nevznikl nepřípustnou úpravou nebo jiným obejitím zadání.

Podle Grinsteada díky tomu systém vytváří velmi málo falešně pozitivních hlášení. Tým se tak vyhýbá situaci, kdy vývojář dlouho studuje rozsáhlé vysvětlení a teprve později zjistí, že popsaný problém neexistuje.

Za důležité považuji rozlišení mezi nízkým počtem chybných hlášení a celkovou jednoduchostí provozu. I ověřené nálezy mohou být duplicitní, nejasně popsané nebo špatně zařazené. Další práce tím nekončí.

📥 Více nálezů přesouvá úzké hrdlo jinam

Jakmile začal růst počet nalezených zranitelností, změnila se i povaha práce bezpečnostního týmu. Dříve přicházelo hlášení dostatečně málo na to, aby se specialisté mohli téměř každému okamžitě věnovat. Známky vysoké závažnosti obvykle znamenaly rovnou vysokou prioritu.

Při větším objemu už takový postup nestačí. Je nutné rozhodnout, co je nové, co souvisí s existujícím problémem a čemu má tým věnovat pozornost nejdříve. Automatizace hledání proto vyvolává potřebu automatizovat i některé navazující kroky.

Celý proces přitom nemusí stát na neobvykle složité infrastruktuře. Mozilla popisuje poměrně jednoduché cloudové řízení úloh. Výsledky se ukládají do objektového úložiště a následně se přenášejí do pracovního prostředí bezpečnostních specialistů i do širšího procesu oprav.

Každý ověřený nález může obsahovat popis, reprodukční test, důkazy a návrh opravy. Tato sada podkladů má pomoci vývojáři pochopit problém bez zbytečného opakování již provedeného průzkumu.

V tomto bodě vidím důležitý rozdíl mezi nástrojem na hledání chyb a fungujícím bezpečnostním systémem. První může dodávat další a další výstupy. Druhý musí průběžně hlídat, zda je tým dokáže zpracovat a zda se neztrácí důležité informace. Mozilla proto upravuje celý tok práce, nikoli jen samotného agenta, který prochází kód.

🧩 Duplicity jsou složitější než porovnání dvou testů

Jedním z překvapivě obtížných úkolů se ukázalo rozpoznávání duplicit. Dvě hlášení mohou popisovat stejnou kořenovou příčinu, přestože mají rozdílný test, jiné vysvětlení nebo jiný způsob vyvolání chyby. Naopak podobný zásobník volání při pádu nemusí znamenat, že jde o jediný problém.

Jednoduché porovnávání souborů nebo technických otisků proto nestačí. Mozilla shromažďuje nálezy v místní databázi a dává agentovi možnost hledat mezi nimi souvislosti. Agent dostává vodítka, ale musí pracovat s širším kontextem než jen s jedním údajem.

Ani tento postup není bezchybný. Grinstead upozorňuje na dvě protichůdná rizika. Příliš volná pravidla zahltí vytížené vývojáře opakovanými hlášeními. Příliš přísná pravidla mohou skutečně odlišnou chybu odsunout jako domnělou duplicitu.

Zvlášť užitečná mi připadá následná pojistka. Pokud je nález označen za duplicitní, systém si může připomenout, že po začlenění opravy původní chyby musí znovu spustit také tento odložený test. Jestliže test stále vyvolává problém, původní sloučení mohlo být chybné.

Taková kontrola vrací rozhodování zpět k důkazu. Nestačí, že dvě hlášení vypadají podobně. Oprava společné příčiny by měla odstranit oba projevy. Pokud se tak nestane, je potřeba vztah mezi nálezy znovu posoudit a případně otevřít samostatný problém.

⚠️ GPT-6 Cyber pomáhá přehodnocovat závažnost

Další oblastí využití modelů je zkoumání již známých zranitelností. Některé chyby původně působí jako málo nebo středně závažné: vyžadují neobvyklé nastavení, komplikovaný sled kroků nebo se zdá, že jejich dopad omezují existující bezpečnostní opatření.

Grinstead popsal případy, kdy výkonnější modely včetně GPT-6 Cyber našly stejnou chybu, ale předložily silnější důkazy o jejím dopadu. Dokázaly ukázat cestu kolem ochrany, kterou tým původně považoval za dostatečně spolehlivou. Z problému s nižší prioritou se tak stal nález vyžadující rychlejší reakci.

Neznamená to automaticky, že každé nové posouzení vede k vyšší závažnosti. Podstatné je, že se může změnit dostupný důkaz. Původní test ukazoval omezený problém, zatímco nový test odhalil nebezpečnější projev stejné příčiny.

Bezpečnostní hodnocení proto není vhodné chápat jako neměnný štítek. Má odrážet aktuální znalost možností zneužití i účinnosti ochranných mechanismů.

Pro Mozillu mají takové výsledky dvojí přínos. Pomáhají lépe určovat pořadí oprav a zároveň upozorňují na slabiny vícevrstvé obrany. Pokud určitá architektonická ochrana nefunguje podle očekávání, nejde jen o jeden chybný řádek kódu.

Oceňuji také pružnost cílení systému. Jakmile se objeví nový způsob překonání ochrany, tým může zadat související průzkumy dalších chyb, aniž by musel zásadně přestavovat samotné prostředí agentů.

🔎 Analýza variant hledá příbuzné chyby napříč kódem

Významnou součástí strategie se stala analýza variant. Výchozím bodem není obecná výzva k hledání čehokoli podezřelého, ale konkrétní známá chyba. Může být již opravená nebo stále otevřená. Agent dostane její popis a související podklady a hledá podobný vzorec jinde.

Podobnost přitom nemusí znamenat sousední funkci nebo téměř totožný zápis. Příbuzná chyba se může skrývat v jiné části projektu, pokud sdílí obdobný chybný předpoklad nebo způsob zacházení s daty.

Mozilla tímto způsobem zkoušela znovu využít například bezpečnostní chyby opravené v roce 2025. Historický nález se tak mění v zadání pro další průzkum. Podle Grinsteada mohou podobné vzorce přetrvávat v kódu překvapivě dlouho, i když už byla jedna jejich instance odstraněna.

V jednom ze sledovaných zářijových období tvořily variantní kontroly dokonce většinu nalezených chyb. Tým u nich zároveň pozoroval méně duplicit, což přispělo k rozhodnutí věnovat této metodě více pozornosti.

Za silnou stránku považuji využití konkrétní zkušenosti. Dřívější chyba není jen uzavřená položka v evidenci. Je také příkladem toho, jak se určitý problém v daném projektu skutečně projevuje. Agent pak může hledat příbuzné souvislosti, které by jednoduché porovnání textu nemuselo zachytit.

Tato metoda tak rozšiřuje dosah jedné opravy: odstranění známého problému může současně spustit pátrání po dalších členech stejné rodiny.

🆕 Kontrola nových změn doplňuje hledání starých vzorců

Vedle analýzy variant Mozilla rozvíjí také prověřování nových změn v kódu. Obě metody spolu souvisejí, ale každá má jiný rozsah. Kontrola nové změny se soustředí na konkrétní právě začleněnou úpravu. Analýza variant vychází ze známého problému a hledá obdobné situace podstatně šířeji.

Rozdíl si vykládám jako dvě doplňující se otázky:

  • Kontrola nové změny: přinesla tato konkrétní úprava bezpečnostní problém?
  • Analýza variant: nachází se někde jinde podobná chyba, jakou už znám?

První přístup míří na průběžné zachycování nově vznikajících problémů. Druhý pomáhá prohledávat nahromaděnou historii projektu. Pro dlouhodobou bezpečnost je důležité obojí: opravovat existující zranitelnosti a současně snižovat počet nových.

Clint Gibler v této souvislosti zmínil i zkušenost OpenAI s opětovným zkoumáním problémů, které dříve neměly nejvyšší prioritu. Novější modely dostaly úkol posoudit, zda lze známé slabiny spojit do vážnějšího celku. Jde o další způsob, jak se při lepších analytických možnostech vracet ke starším závěrům.

Z těchto příkladů mi vychází širší posun v bezpečnostní práci. Seznam uzavřených i odložených nálezů může sloužit jako aktivní zdroj dalších vyšetřování. Hodnota dříve získaných poznatků tím nekončí okamžikem původního rozhodnutí o prioritě.

🛠️ Automaticky navržená oprava není hotová oprava

Agentní pracovní postup nekončí u hlášení chyby. Součástí výstupu bývá také návrh změny zdrojového kódu a test. Pro vývojáře jde o užitečný podklad, nikoli však o záruku, že lze změnu bez dalšího začlenit.

Podle Grinsteada jsou některé návrhy použitelné téměř okamžitě, jiné vyžadují větší úpravy. Důvody se liší. Někdy je oprava nesprávná. Jindy zabrání pouze jednomu konkrétnímu pádu, ale neřeší obecnější příčinu. Agent také nemusí dostatečně chápat souvislosti v okolním kódu nebo aktuální směřování dané komponenty.

Tady se znovu ukazuje omezení příliš úzkého cíle. Pokud úkol zní odstranit pád jednoho testu, může vzniknout změna, po které právě tento test projde. To ještě nedokazuje, že zmizela celá zranitelnost.

Mozilla proto zachovává odpovědnost zkušených vývojářů. Specialista na prohlížeč projde hlášení, důkazy i navrženou opravu, připraví odpovídající změnu a nechá ji zkontrolovat dalším inženýrem. Teprve potom následuje začlenění.

AI zde zkracuje cestu k porozumění problému, ale nenahrazuje odborné rozhodnutí o výsledné podobě opravy. Grinstead zároveň uvádí, že tým dokázal držet krok s výrazně vyšším tempem objevování.

Právě do tohoto kontextu patří přibližně osminásobný růst nálezů i oprav mezi roky 2025 a 2026. Jde o výsledek celého pracovního postupu, nikoli o izolovaný údaj dokazující účinek jediného modelu.

🗂️ Společné pracovní prostředí propojuje výsledky i zpětnou vazbu

Po několika měsících provozu začala Mozilla soustřeďovat důležité informace do jediného souboru databáze SQLite na počítači bezpečnostního specialisty. Vzniklo tak společné pracovní prostředí pro výsledky průzkumů, související chyby a komentáře vývojářů.

Praktický přínos spočívá v možnosti klást programovacímu agentovi otázky nad propojenými daty. Místo ručního procházení oddělených výstupů může agent vyhledávat vztahy, spouštět SQL dotazy a podle potřeby dohledávat původní záznamy jednotlivých běhů.

Jedním z využití je plánování další dávky průzkumů. Původní systém vycházel z pevných pravidel, například z rizikového skóre a doby od poslední kontroly. Novější přístup dovoluje zohlednit i méně strukturovaný podnět: třeba upozornění vývojáře, že stojí za to prozkoumat určitou komponentu.

Agent pak může hledat podobný kód, ověřit historii kontrol a zjistit, zda některý dřívější běh neskončil technickým problémem. Výsledkem je návrh dalších cílů, který bezpečnostní specialista posoudí a případně schválí.

Pro představu o použité technologii slouží oficiální informace o databázi SQLite. V popsaném prostředí je ale důležitější uspořádání práce než samotná volba databáze.

Za pozoruhodné považuji, že agent pomáhá nejen hledat zranitelnosti, ale také vyhodnocovat vlastní provozní historii. Člověk přitom zůstává u rozhodnutí, zda navržený další postup dává smysl.

🚧 Přiznat technickou překážku je lepší než ji obcházet

Stejné pracovní prostředí pomáhá vylepšovat i podmínky, ve kterých agenti běží. Ne každý neúspěšný průzkum znamená, že v dané oblasti chyba není. Úloha může selhat kvůli chybějící závislosti nebo jinému problému testovacího prostředí.

Mozilla proto agentům dává možnost zapsat překážky do souboru blockers.yaml. Pokud například chybí systémová součást potřebná ke spuštění testu, agent ji může nahlásit místo toho, aby se pokoušel o komplikovanou náhradní cestu.

Informace se následně dostane do společného pracovního prostředí. Tým může prozkoumat záznamy, určit příčinu a upravit obraz virtuálního stroje. Jedna provozní oprava tak může zlepšit podmínky pro další běhy.

Tento zdánlivý detail považuji za velmi praktické poučení. Agent potřebuje mít povolený také výsledek „nemohu pokračovat z tohoto konkrétního důvodu“. Bez takové možnosti může tlak na splnění cíle vést ke zbytečným oklikám nebo k zavádějícím závěrům.

Současně je nutné rozlišovat několik různých stavů: průzkum bez nálezu, neověřenou hypotézu, potvrzenou chybu a úlohu, která neproběhla správně. Pokud se tyto výsledky smíchají, plánování dalších kontrol ztrácí spolehlivý základ.

Právě průběžné vracení zkušeností z provozu do zadání a nástrojů pomáhá celý systém zlepšovat. Nejde o jednorázově nastavenou automatizaci, ale o pracovní postup, který tým dál upravuje podle skutečných výsledků.

🌱 Cíl: méně nových chyb a rychlejší cesta k uživatelům

Mozilla chce dál zvyšovat schopnost hledat zranitelnosti ve velkém, zlepšovat návrhy oprav a snižovat zátěž vývojářů. Grinstead jako dlouhodobý směr uvádí ambici dostat se k nulovému počtu chyb. Chápu ji jako vodítko pro další práci, nikoli jako oznámení dosaženého stavu.

Logika je přitom srozumitelná. Každá skutečně odstraněná zranitelnost zmenšuje množství známých problémů. Kontroly nových změn mají pomoci omezovat přísun dalších. Analýza variant zase umožňuje využít jednu zkušenost k hledání celé skupiny souvisejících slabin.

Z dosavadního přístupu si odnáším čtyři hlavní závěry:

  • Infrastruktura rozhoduje. Testovací nástroje a zavedené procesy dávají modelům možnost odvádět ověřitelnou práci.
  • Důkaz má přednost před přesvědčivým textem. Hypotéza se musí proměnit v reprodukovatelný a zkontrolovaný nález.
  • Růst vyžaduje návaznost. Více objevů pomáhá jen tehdy, když funguje třídění, odborná kontrola a vydávání oprav.
  • Lidská odpovědnost zůstává. Vývojáři posuzují souvislosti a rozhodují o finálním řešení.

Příběh Firefoxu tak nepovažuji za ukázku nahrazení bezpečnostního týmu umělou inteligencí. Je to ukázka rozšíření jeho možností. GPT-6 Cyber a další modely přinášejí nové cesty průzkumu, zatímco dlouhodobé zkušenosti Mozilly pomáhají převést jejich výsledky do oprav pro miliony uživatelů.

Další podrobnosti nabízí rozhovor Briana Grinsteada s Clintem Giblerem o zabezpečení Firefoxu.

Share


AI World Vision

AI and Technology News