Napsat přesvědčivé bezpečnostní hlášení je dnes snazší než dokázat, že popsaná chyba skutečně existuje. Google právě narazil na účet za tento rozdíl: od 1. října přestal v části svého open-source odměnového programu přijímat produktové zranitelnosti. Problém má mnohem širší význam než jednu zavřenou přihlášku. Když automatizace zlevní výrobu podezření, ale jeho prověření zůstane na člověku, údajná úspora se může změnit v práci přehazovanou přes plot.
Událost jsme zachytili v rychlé zprávě o pozastavení části Google OSS VRP. Podle TechCrunchu z 4. října Google krok vysvětlil výrazným nárůstem automatizovaných podání, z nichž naprostá většina není platná. To je podstatně přesnější popis než zkratka, že firma vzdala bezpečnost nebo zakázala umělou inteligenci. Pozastavila konkrétní vstup do konkrétního programu.
Zavřené dveře nejsou konec celého programu
Aktuální pravidla Google Bug Hunters změnu vymezují jasně: do OSS VRP se od 1. října 2026 nepřijímají nové produktové zranitelnosti. Dřívější podání změna nezasahuje. Pro některé repozitáře související s produkty Google Cloud může zůstat cestou Cloud VRP; firma zároveň odkazuje na další své odměnové programy a Patch Rewards, zaměřený na bezpečnostní vylepšení.
Pravidla dál obsahují kategorii narušení dodavatelského řetězce i další bezpečnostní problémy. Nejde tedy o vypnutí celého open-source programu, natož všech bug bounty aktivit Googlu. Firma slibuje aktualizaci v prvním čtvrtletí 2027, nikoli zaručené znovuotevření ve stejném termínu. Rozdíl mezi příslibem informací a příslibem obnovení služby je drobný jen do chvíle, než si podle něj někdo začne plánovat práci.
Důvod v podobě přílivu automatizovaných neplatných podání přebíráme z vyjádření Googlu citovaného TechCrunchem. Veřejná pravidla potvrzují rozsah a datum změny, ale neuvádějí statistiku těchto hlášení ani podrobnou metodiku jejich klasifikace. Nemáme proto podklad pro přesné procento selhání, celkovou škodu nebo tvrzení, že každý odmítnutý report vznikl pomocí AI. K vysvětlení problému taková efektní čísla nepotřebujeme.
Report vyrobí stroj, pochybnosti odpracuje správce
Na běžném webu je AI slop především otravný obsah. V bezpečnostní frontě je to požadavek na cizí odborný čas. Zpráva může mít správnou terminologii, seznam dotčených souborů i sebevědomě popsaný dopad, a přesto nemusí ukazovat skutečnou zranitelnost. Správce ovšem nemůže každé naléhavé hlášení zahodit jen proto, že vypadá příliš uhlazeně. Pokud by bylo pravdivé, ignorování může mít následky pro uživatele.
Tuto zkušenost popsal už report TechCrunchu z července 2025. Oslovení lidé z bezpečnostního oboru upozorňovali na technicky věrohodně znějící hlášení, jejichž podrobnosti si jazykový model vymyslel. Článek zachytil problémy u open-source projektů i zkušenosti HackerOne. Zároveň obsahoval důležitou protiváhu: Bugcrowd tehdy nehlásil zásadní nárůst nekvalitních podání a Mozilla nepozorovala podstatné zhoršení. Situace nebyla stejná všude a není poctivé z jednoho případu dělat diagnózu celého odvětví.
Ekonomická potíž přesto dává smysl. Odesílatel může rychle vytvořit další hypotézu a doufat, že některá přinese odměnu. Příjemce musí zjistit, zda popsaná cesta v aktuálním kódu vůbec existuje, zda jsou splněné její podmínky a zda ohrožuje něco, k čemu útočník nemá mít přístup. Levná výroba hlášení není totéž co levné hledání skutečných chyb. Účet se pouze přesune k lidem, kteří musejí rozlišit jedno od druhého.
Neplatný report přitom nemusí být úmyslný podvod. Začátečník může modelu uvěřit, zkušenější výzkumník může přehlédnout ochranný mechanismus a automatizovaný nástroj může zaměnit nehezký kód za zneužitelnou chybu. Pro tým na druhé straně je ale výsledek podobný: další položka vyžadující ověření. Dobré úmysly kapacitu fronty nezvyšují.
Plošná brzda může odříznout i dobré nálezy
Pozastavení příjmu je srozumitelná provozní obrana. Zároveň je hrubá: stejnými dveřmi chodí zbytečné reporty i poctivá práce. Na Radyz jsme už připomínali zprávu o omezení bezpečnostních hlášení u Applu, která upozorňovala právě na riziko, že pravidla proti zahlcení zkomplikují i odeslání legitimního nálezu. Není to důkaz, že Google opakuje stejný konkrétní problém, ale je to dobrá připomínka ceny plošných omezení.
Bylo by stejně pohodlné a stejně chybné udělat z toho argument proti jakémukoli využití AI v bezpečnosti. V našem rozboru AI auditu aplikací pro Android jsme popsali jinou organizaci práce: model vytipuje podezřelá místa a odborník jeho nálezy prověří, než je předá dál. Podstatná hranice vede mezi ověřeným výsledkem a neověřeným výstupem, ne mezi textem napsaným člověkem a textem napsaným strojem.
Stejnou otázku si musí položit i příjemce reportů, který chce zahlcení řešit dalším modelem. AI může pomáhat hledat duplicity, třídit přílohy nebo navrhovat pořadí kontroly. Pokud ale rozhoduje o odmítnutí podle stylistického dojmu či vlastní domněnky, vzniká druhý filtr omylů. TechCrunch v roce 2025 uvedl, že Mozilla nepoužívala AI k filtrování těchto hlášení právě kvůli riziku odmítnutí legitimní chyby. Je to tehdejší stanovisko konkrétní organizace, nikoli zákaz automatického třídění navždy.
Odměňovat důkaz, ne objem
Podle nás má nový režim začít jednoduchým pravidlem: autor nese odpovědnost za to, co odesílá. Pomoc modelu s formulací reportu není problém; přeposlání jeho neověřených závěrů jako hotového nálezu problém je. Pravidla Googlu už požadují konkrétní podklady, například sestavitelnou ukázku, postup reprodukce, verzi softwaru a popis dopadu. To nejsou administrativní ozdoby. Jsou to nástroje, které umožňují převést tvrzení na ověřitelnou práci.
Provozovatel programu by měl sledovat také čas, který stojí zpracování platného nálezu, podíl opakovaných podání a důvody zamítání. Samotný počet došlých reportů může být úplně zavádějící ukazatel úspěchu. Fronta plná podání nepředstavuje automaticky bezpečnější software; může představovat jen dražší pořadník. Pokud se zavádějí limity, dává smysl zachovat jasnou cestu pro naléhavé, doložené případy a možnost opravit chybné odmítnutí.
Stejně konkrétní má být kontrola na straně výzkumníka. Před odesláním musí vědět, zda prověřil aktuální verzi, zda jeho tvrzení nestojí na podmínce, kterou aplikace ve skutečnosti neumožňuje, a zda umí vysvětlit rozdíl mezi očekávaným a skutečným chováním. Model může s těmito kroky pomáhat. Nemůže svou přesvědčivostí nahradit jejich výsledek.
Google svou pauzou ukázal slabé místo představy, že levnější generování automaticky znamená vyšší produktivitu. Na jedné straně procesu může AI práci urychlit a na druhé ji rozmnožit. Skutečný přínos začíná až ve chvíli, kdy vznikne použitelný nález, který lze opravit, ne další dobře napsané podezření, které musí někdo vyvracet. Bezpečnostní program nemá být soutěž v tom, kdo dokáže nejrychleji zaměstnat cizí inženýry.
