Vineri după-amiază, o echipă de dezvoltare urcă în producție un flux nou de autentificare. Luni dimineață, în inbox-ul responsabilului de securitate așteaptă un raport cu peste patru sute de posibile probleme, generat peste weekend de un tool care promite viteză. Până joi, cineva trebuie să spună clar care dintre ele sunt reale și care pot fi ignorate.
Scena asta se repetă în tot mai multe companii, cu mici variații. Instrumentele au devenit rapide, uneori spectaculos de rapide, iar oamenii care le folosesc au rămas la fel de puțini ca înainte. Diferența dintre o listă lungă de alerte și o decizie de securitate luată cu cap se măsoară exact în orele pe care cineva le petrece verificând manual ce a scos mașina.
Aici intervine produsul despre care vreau să vorbesc pe larg. AI Pentests este soluția prin care compania românească Pentest-Tools.com încearcă să automatizeze un penetration test complet pe aplicații web, cu o condiție pe care puțini o pun atât de apăsat. Raportează doar ce poate dovedi.
Ce înseamnă, pe scurt, AI Pentests
AI Pentests este o capabilitate de testare autonomă pentru aplicații web, construită în jurul unui motor propriu numit Specter. Îi dai o aplicație, un scope autorizat și, dacă vrei, credențiale de acces. De acolo, sistemul investighează singur, urmărește trasee de atac și încearcă să confirme prin exploatare controlată ce a găsit.
Partea care schimbă efectiv modul de lucru este filtrul de la final. În raport ajung doar rezultatele pentru care există dovadă reproductibilă, adică request-uri și response-uri HTTP, payload-uri, capturi de ecran, pași de reproducere și output-ul exploatării. Restul investigațiilor, inclusiv drumurile abandonate, rămân vizibile în log-ul de activitate, fără să umfle artificial lista de findings.
Produsul a fost prezentat public prima oară la DEF CON 34, unul dintre cele mai tehnice evenimente de cybersecurity din lume, și este disponibil deocamdată unui grup restrâns de utilizatori, pentru testare și feedback. Compania care îl dezvoltă lucrează în zona de offensive security din 2017, se apropie de zece ani de creștere organică și are peste 2.100 de clienți în 119 țări. Nu e un startup apărut peste noapte pe valul AI, ceea ce contează mai mult decât pare atunci când discuți despre încredere în rezultate.
Diferența dintre a găsi o vulnerabilitate și a dovedi că e reală
Un scanner clasic funcționează pe bază de semnături și verificări standard. Vede o versiune veche de bibliotecă, o configurație suspectă sau un răspuns care seamănă cu o injecție și ridică un semnal. Semnalul acela poate fi corect, poate fi parțial corect sau poate fi complet greșit, iar diferența o face omul care îl citește.
Un penetration test adevărat merge mai departe. Testerul încearcă efectiv să exploateze problema, vede ce obține, leagă o slăbiciune de alta și ajunge, în cazurile interesante, la un scenariu de atac cu impact concret asupra business-ului. Diferența nu e de instrument, ci de intenție și de dovadă.
AI Pentests încearcă să mute pragul acesta în zona automatizării. Sistemul nu se oprește la identificarea unei posibile vulnerabilități, ci verifică dacă o poate exploata și oferă echipelor dovezile pe care le pot folosi mai departe, în discuția cu dezvoltatorii, cu managementul sau cu auditorii. Când știrea a ajuns în presa de business, titlul a spus destul de exact despre ce este vorba, pentru că Pentest-Tools.com dezvoltă AI care găsește vulnerabilități și verifică dacă acestea pot fi exploatate în condiții controlate.
Distincția pare subtilă la prima lectură. În practică, ea decide dacă un raport de securitate ajunge în sprint-ul următor sau într-un folder pe care nu îl mai deschide nimeni.
De ce volumul de rezultate a devenit problema, nu viteza
În iunie 2026, echipa de la Pentest-Tools.com a chestionat 158 de profesioniști din cybersecurity care folosesc AI în activitatea de pentesting. Concluzia principală nu are legătură cu lipsa de putere a modelelor. Aproape 88% dintre cei care folosesc AI pentru generarea de findings spun că întâlnesc rezultate care cer o validare manuală serioasă înainte să poată face ceva cu ele.
Aproximativ unul din patru respondenți merge mai departe și recunoaște că trebuie să verifice în detaliu sau să refacă peste un sfert din ce primește. Cu alte cuvinte, o bună parte din timpul câștigat prin automatizare se consumă imediat după, în triere. Câștigul net devine mult mai mic decât arată demo-ul.
Studiul a mai testat un scenariu simplu. Întrebate dacă ar putea analiza și valida peste 500 de posibile vulnerabilități într-un singur proiect, aproape șapte din zece echipe au spus că un asemenea volum le-ar pune sub presiune considerabilă sau ar fi de-a dreptul imposibil de gestionat. Doar aproximativ una din cinci are deja un proces pregătit pentru situația asta.
Cum arată blocajul în viața reală a unei echipe
Îmi place să mă gândesc la fluxul de remediere ca la o conductă. Fiecare problemă confirmată trebuie prioritizată, trimisă către echipa care o poate rezolva, rezolvată efectiv și apoi retestată. Dacă la intrare torni de trei ori mai mult decât poate duce conducta, nu ai rezolvat nimic, ai mutat doar blocajul mai departe.
Am văzut varianta asta la o firmă de e-commerce cu o echipă tehnică de nouă oameni, dintre care unul singur se ocupa serios de securitate. Aveau un scanner bun, rulat săptămânal, și un backlog de securitate care creștea constant. Nu pentru că oamenii erau leneși, ci pentru că nimeni nu apuca să decidă ce e real și ce e zgomot.
Tocmai de aceea criteriile după care profesioniștii aleg un tool de AI pentru pentesting s-au schimbat. Pentru 63% dintre respondenții studiului, calitatea rezultatelor și numărul mic de false positives contează printre cele mai importante criterii, iar 53% caută dovezi de exploatabilitate și trasee de atac validate. Ambele cântăresc mai mult decât prețul, ceea ce spune multe despre unde a ajuns durerea reală.
Costul ascuns al unui rezultat greșit repetat
Un false positive izolat înseamnă o oră pierdută. Un tool care produce constant rezultate care nu se confirmă produce însă altceva, mult mai scump. Erodează încrederea în tot ce livrează, inclusiv în constatările corecte.
Din momentul acela, echipa începe să verifice de la zero și lucrurile pe care instrumentul le-a nimerit. O soluție cumpărată ca să reducă munca manuală ajunge astfel să genereze o listă nouă de lucruri de verificat. E un paradox pe care l-am întâlnit de prea multe ori ca să îl mai consider excepție.
Cum lucrează Specter, motorul din spatele AI Pentests
Numele Specter e o trimitere la universul James Bond și la mentalitatea unui bun ofițer de informații, curios, metodic, adaptabil, mereu cu câțiva pași înainte. Dincolo de povestea de brand, motorul combină raționamentul autonom al modelelor de limbaj cu logica de offensive security și cu validarea deterministă dezvoltată de companie în peste un deceniu de produs. Ideea de bază este că un pentest reușit cere mai mult decât prompt-uri bune.
Pasul unu, contextul îl dai tu
Fiecare engagement pornește de la intenția practicianului, nu de la inițiativa mașinii. Echipa definește scope-ul autorizat, modul de testare și instrucțiunile de raportare, iar în etapa de setup poți descrie obiectivele și contextul pe care sistemul trebuie să le urmeze. Poți restrânge testul la o singură aplicație, la o funcționalitate sau la un flux de autentificare, fără să arunci în aer tot mediul.
Nu ai nevoie de acces la codul sursă. Testarea începe din exterior, exact ca un atacator care nu are decât aplicația publicată în față. Dacă furnizezi credențiale sau token-uri de API, evaluarea se extinde și în zonele autentificate, ceea ce înseamnă, tehnic vorbind, un test black-box care poate trece în gray-box atunci când tu decizi asta.
Pasul doi, investigația propriu-zisă
Un pentester cu experiență începe prin a-și construi o imagine a aplicației. Specter face la fel, enumeră aplicația, își formează un model de funcționare, identifică suprafața de atac și formulează primele ipoteze care merită investigate. De aici încolo urmează dovezile, nu un checklist fix.
Diferența față de un scanner se vede exact în momentul în care o ipoteză nu mai produce nimic. Sistemul abandonează drumul și se concentrează pe zonele unde comportamentul aplicației sugerează ceva. Timpul de testare se distribuie acolo unde există semnal, iar asta seamănă mult mai bine cu felul în care lucrează un om decât cu felul în care rulează un tool automat clasic.
Pasul trei, exploatarea controlată și dovada
Fiecare problemă suspectată trebuie să își merite locul în raport. Harness-ul dezvoltat intern propune și execută scenarii de atac, iar un finding intră în raport doar după ce exploatarea controlată confirmă că e real. Când evidența permite, sistemul înlănțuie mai multe slăbiciuni și urmărește un attack path pe mai mulți pași, ceea ce e o diferență majoră față de detectarea izolată a unor probleme.
Tot ce se întâmplă rămâne consemnat. Log-ul de activitate înregistrează request-urile, răspunsurile, deciziile, încercările de exploatare și artefactele colectate, inclusiv investigațiile abandonate. Poți reconstitui drumul până la fiecare concluzie, ceea ce face diferența dintre un raport pe care îl crezi pe cuvânt și unul pe care îl poți verifica.
Ce primești la final și cine se folosește de raport
Un pentest bun nu se termină cu o listă de vulnerabilități validate. Se termină cu dovezi pe care fiecare parte implicată le poate înțelege și folosi. Raportul generat de AI Pentests e structurat exact pe ideea asta, pe niveluri diferite de detaliu pentru audiențe diferite.
Echipa de securitate primește evidența tehnică necesară verificării independente, adică request-uri și răspunsuri HTTP, payload-uri, capturi de ecran, diagrame de flux ale atacului, output-ul exploatării și pașii de replay. Poate rejuca traseul de atac și poate decide singură ce merită remediat întâi. Dezvoltatorii primesc explicația problemei, modul în care a fost confirmată exploatabilitatea, pașii de reproducere și recomandarea de remediere, împreună cu maparea pe CVSS, CWE și OWASP.
Managementul primește un executive summary cu scope-ul evaluării, scenariile de atac confirmate, impactul de business și prioritățile de remediere. Nimeni de la nivelul acela nu trebuie să citească payload-uri ca să înțeleagă ce s-a întâmplat. Auditorii și clienții primesc, la rândul lor, documentație pe care o pot inspecta.
Partea de conformitate merită o precizare corectă, fără entuziasm exagerat. Raportul poate susține colectarea de dovezi pentru cadre precum SOC 2, ISO/IEC 27001, NIS2, DORA, Cyber Resilience Act și HIPAA. Acceptarea rămâne însă la latitudinea auditorului, a clientului și a jurisdicției în care lucrezi, deci nimeni nu îți garantează că un raport automat închide singur un audit.
Unde se oprește automatizarea și unde începe omul
Poziția companiei pe tema asta e mai onestă decât mesajele de marketing cu care ne-am obișnuit în ultimii doi ani. Întrebarea dacă AI Pentests poate înlocui un pentest manual primește un răspuns scurt în documentația oficială. Nu.
Practicienii cu experiență rămân responsabili pentru contextul de business, pentru autorizare, pentru analiza cazurilor speciale și pentru deciziile complexe. Sistemul urmărește comportamentul aplicației și merge unde îl duc dovezile, dar nu cunoaște regulile de business ale organizației tale și nu trebuie considerat un test complet de logică aplicativă. Mi se pare una dintre cele mai sănătoase delimitări pe care le-am citit într-o pagină de produs din zona asta.
Adrian Furtună, fondatorul și CEO-ul companiei, formulează ideea în termeni de economie a atenției. Un tester bun nu ar trebui să își consume timpul reverificând sute de rezultate pe care soluția de testare ar fi trebuit să le filtreze înainte să ajungă la el, spune el, iar miza nu este scoaterea specialistului din proces, ci păstrarea timpului lui pentru lucrurile la care omul e mai bun decât tehnologia.
Datele din studiu confirmă intuiția asta. Profesioniștii folosesc AI mai ales acolo unde pot observa și corecta ușor erorile, și mult mai puțin în etapele care cer gândire critică, creativitate și interacțiune directă cu sistemele testate. Prudența nu vine din conservatorism, ci din conștientizarea faptului că o decizie greșită poate afecta un sistem real, cu utilizatori reali.
Cum se așază AI Pentests lângă scanerele de vulnerabilități
Confuzia cea mai frecventă pe care o aud este că un pentest automat ar înlocui scanarea recurentă. Nu o înlocuiește, pentru că cele două răspund la întrebări diferite. Scanerul acoperă mult, superficial și continuu, iar pentestul automat sapă adânc într-un singur loc, la cerere.
Un scanner de vulnerabilități identifică posibile slăbiciuni pe multe active deodată, ceea ce e exact ce îți trebuie pentru monitorizare permanentă și pentru vizibilitate asupra suprafeței de atac. AI Pentests investighează o singură aplicație web în profunzime, urmărește traseele de atac și raportează doar ce poate demonstra. Folosești scanarea recurentă pentru acoperire, și pentestul autonom atunci când o aplicație critică sau un flux sensibil are nevoie de investigație serioasă.
Exemplul dat chiar de echipă e ușor de recunoscut de oricine lucrează în produs. O aplicație critică livrează marți un flux nou de autentificare, iar tu nu îți permiți să aștepți până la următorul engagement programat ca să afli dacă ține. Scopezi testul pe fluxul acela, îl rulezi la cerere și primești rezultate validate în câteva ore.
Modelul de preț urmează aceeași logică. Plata se face per engagement, cu prețul afișat înainte de începerea evaluării, ceea ce elimină runda de ofertare care întârzie de obicei un test cu două săptămâni. Previzibilitatea costului e, în practică, argumentul care face testarea mai deasă posibilă.
Pentru cine are sens și pentru cine mai puțin
Echipele interne de securitate câștigă în primul rând timp de triere. În loc să petreacă zile reverificând output-ul scanerului, primesc scenarii de atac confirmate și pot răspunde cu dovezi atunci când cineva din companie întreabă cât de expusă e o aplicație.
Furnizorii de servicii gestionate, MSP și MSSP, pot introduce un nivel intermediar de serviciu între scanarea recurentă și engagement-ul manual complet. Scopează testul pe aplicația relevantă a clientului, revizuiesc dovezile și livrează un raport structurat, fără să blocheze un consultant senior o săptămână. Pentru echipele IT fără specialiști de securitate interni, avantajul e că pot trece de la o fotografie anuală la o verificare legată de schimbările reale din aplicație.
Cine nu are ce căuta aici, cel puțin deocamdată, sunt organizațiile care au nevoie de testare profundă de logică de business, de evaluări pe sisteme neobișnuite sau de un audit în care cineva semnează cu numele lui. Acolo, engagement-ul manual rămâne alegerea corectă. Un instrument bun se recunoaște și după claritatea cu care își spune limitele.
Riscurile de care trebuie să ții cont înainte să apeși butonul
Un pentest care exploatează efectiv ce găsește face zgomot. Asta e, de fapt, motivul pentru care rezultatele sunt credibile, dar vine cu efecte pe care e bine să le anticipezi. Confirmarea unei injecții SQL înseamnă citirea unor date reale, deci înregistrări din producție pot ajunge în raport.
Exploatarea lasă în urmă conturi de test și formulare trimise. Fuzzing-ul adaugă trafic și poate declanșa rate limit-uri sau WAF-ul. Monitorizarea voastră va observa activitatea, așa că cine e de gardă trebuie anunțat înainte, nu după.
Recomandarea oficială e să testați medii care nu sunt de producție atunci când aveți această posibilitate. Pentestul pe producție rămâne legitim, cu condiția să fie o decizie asumată, nu o surpriză de luni dimineață. Testul poate fi oprit oricând, deși evaluarea parțială nu permite generarea unui raport final.
Pe partea de date, lucrurile sunt formulate clar. Datele evaluării rămân în workspace-ul tău de pe platformă, cu politicile de retenție și ștergere aplicabile, iar modelele nu sunt antrenate pe datele tale, furnizorii folosiți excluzând contractual traficul de API din antrenament. Într-un domeniu în care confidențialitatea rezultatelor e totul, precizarea asta cântărește.
DEF CON 34 și întrebările la care un slogan nu ajunge
Prezentarea publică a produsului s-a făcut la DEF CON 34, unde compania a devenit prima din România prezentă ca expozant și s-a numărat printre cele zece organizații din zona de Exhibitors. Evenimentul adună peste 25.000 de participanți și e construit în jurul comunității și al schimbului tehnic, nu în jurul relațiilor comerciale. Pentru o echipă care lansează un produs bazat pe AI, e cam cel mai dur juriu posibil.
Discuțiile de la stand au trecut repede de eticheta powered by AI. Oamenii au vrut să știe ce modele sunt folosite, cum a fost construită infrastructura din jurul produsului și cum sunt controlate și verificate rezultatele. Scepticismul tehnic s-a dovedit unul dintre cele mai utile tipuri de feedback, pentru că într-o industrie în care aproape toată lumea vorbește despre AI, simpla folosire a tehnologiei nu mai impresionează pe nimeni.
Aceeași capabilitate a fost testată și în programe de bug bounty, cu mulțumiri publice din partea unor organizații precum US DoD, HPE, F5, PHPbb sau Pepsico. E genul de validare pe care nu ți-o poți cumpăra cu buget de marketing, pentru că presupune ca cineva din afară să confirme că raportarea a fost corectă.
Ce înseamnă asta pentru următorii ani de testare a aplicațiilor web
Presiunea care a generat produsul nu dispare, dimpotrivă. Aplicațiile se schimbă mai des, atacatorii folosesc și ei automatizare, iar volumul de rezultate generate de instrumente va continua să crească. În contextul ăsta, avantajul competitiv nu mai vine din liste tot mai lungi de vulnerabilități.
Vine din capacitatea de a ajunge repede la problemele care contează cu adevărat și de a demonstra că sunt reale. Asta cere o combinație pe care puțini o au, adică raționament autonom peste o bază solidă de cunoaștere ofensivă, plus mecanisme deterministe de verificare. Partea grea nu e modelul, ci tot ce trebuie construit în jurul lui ca să poți avea încredere în rezultat.
Dacă lucrezi în securitate sau conduci o echipă tehnică, întrebarea practică pe care ți-o las e simplă. Din ultimele o sută de alerte de securitate primite, câte au ajuns efectiv să fie reparate și cât timp a consumat echipa ca să decidă asta. Răspunsul îți spune, mai bine decât orice demo, dacă un pentest autonom cu dovezi reproductibile ar schimba ceva în felul în care lucrați.
Întrebări frecvente despre AI Pentests
Ce tip de penetration test execută AI Pentests
Execută teste de tip black-box și gray-box pe aplicații web. Implicit, evaluarea pornește din exterior, exact din poziția unui atacator care vede doar aplicația publicată. Dacă furnizezi credențiale sau token-uri de API suportate, testarea se extinde și în zonele autentificate, rămânând în scope-ul autorizat.
Prin ce diferă de un scanner de vulnerabilități obișnuit
Scanerele identifică posibile slăbiciuni pe multe active, ceea ce le face potrivite pentru acoperire largă și monitorizare continuă. AI Pentests investighează o singură aplicație în profunzime, urmărește traseele de atac pe mai mulți pași și raportează doar findings pe care le poate demonstra prin exploatare controlată. Cele două se folosesc împreună, nu una în locul alteia.
Poate înlocui un pentest manual făcut de oameni
Nu, iar compania o spune explicit. Soluția ajută echipele să testeze mai multe aplicații mai des, însă practicienii experimentați rămân responsabili pentru contextul de business, pentru autorizare, pentru analiza cazurilor limită și pentru deciziile de securitate complexe. Testarea completă a logicii de business rămâne în continuare teritoriul omului.
Am nevoie de codul sursă ca să pornesc un test
Nu. Evaluarea începe de la aplicația publicată, din exterior. Ai nevoie de un URL autorizat și de definirea scope-ului, iar opțional poți adăuga credențiale sau token-uri pentru o investigație mai profundă.
Este sigur să rulez un astfel de test direct pe producție
Testul se desfășoară strict în scope-ul autorizat definit înainte de start, dar orice penetration test implică un anumit risc. Pentru că sistemul exploatează efectiv ce găsește, pot apărea date reale în raport, conturi de test rămase în aplicație, trafic suplimentar din fuzzing și alerte în monitorizare. Recomandarea este să folosești medii care nu sunt de producție acolo unde ai această opțiune și să anunți echipa de gardă atunci când nu ai.
Ce se întâmplă cu datele aplicației mele
Datele evaluării rămân în workspace-ul tău de pe platformă și urmează politicile de retenție și ștergere aplicabile. Modelele nu sunt antrenate pe datele tale, iar furnizorii folosiți exclud contractual traficul de API din antrenament.
Cât costă și cum se plătește
Modelul este per engagement, cu prețul afișat înainte de începerea evaluării. Avantajul practic e previzibilitatea, pentru că poți lansa un test atunci când se schimbă o aplicație critică, fără să treci printr-o rundă de ofertare personalizată.
Raportul este acceptat la audit
Raportul poate susține colectarea de dovezi pentru cadre precum SOC 2, ISO/IEC 27001, NIS2, DORA, Cyber Resilience Act și HIPAA, documentând scenarii de atac validate împreună cu evidența din spatele lor. Acceptarea finală depinde întotdeauna de auditor, de client, de jurisdicție și de cerințele specifice ale engagement-ului.
