Z.ai opent AI-scanner OpenVuln voor GitHub-projecten

Z.ai heeft OpenVuln online gezet, een dienst waarmee beheerders van publieke GitHub-repositories hun code laten nakijken door de AI-modellen van het Chinese lab. Onder de motorkap zit een zoekmachine die Z.ai VulnHunter noemt. De cijfers die het bedrijf erbij presenteert zijn fors. Controleerbaar zijn ze voorlopig nauwelijks.

Hoe de scanner werkt

Beheerders melden hun project aan voor een security review, waarna het systeem de broncode afloopt op geheugenfouten, gebrekkige invoervalidatie en verwante klassen van lekken. Bevindingen blijven afgeschermd tot de beheerder klaar is om ze aan te pakken, meldt Security Enterprise Cloud Magazine. Die volgorde is de kern van coordinated disclosure: eerst een patch, dan pas publicatie. Het vakblad plaatst er meteen twee vragen bij die elke maintainer zal herkennen. Hoe scherp is zo’n model op zeldzame of samengestelde fouten, en wat doet een klein team met een stortvloed aan meldingen?

2.436 meldingen, 53 CVE-nummers

De resultaten staan in een openbaar register op cvd.z.ai. Daar tellen 2.436 kwetsbaarheden in 269 openbronprojecten, opgesplitst in 107 kritieke, 990 hoge, 1.286 gemiddelde en 53 lage bevindingen. Op het moment van lancering waren er 53 CVE-nummers toegekend. De andere 2.383 zaten nog onder embargo. Volgens de eigen statistieken van het register zat een gemiddelde fout 26,6 jaar in de code voordat iemand hem opmerkte, met een uitschieter die teruggaat tot 1981.

Kingy AI nam de steekproef en kwam met kanttekeningen. Van de 2.436 posten waren er zes publieke CVE’s na te lopen, in onder meer de Linux-kernel, FreeBSD, GStreamer, Suricata, Joomla en WebKit. Die bleken te kloppen, maar de upstream-advisories schrijven ze toe aan GLM-5.1 en aan “GLM van Z.ai” in het algemeen, soms met meerdere melders naast elkaar. Het onderzoeksprogramma begon in de GLM-5.2-periode en het register vermeldt per melding geen modelversie. Kingy AI wijst er ook op dat Z.ai in de aankondigingstekst 1.097 vindingen “medium tot hoog” noemt, terwijl het dashboard laat zien dat het om 107 kritieke plus 990 hoge gaat en de 1.286 gemiddelde posten er juist buiten vallen.

Het model dat de scanner voedt, blijft nog binnen

GLM-5.3 kwam op 14 augustus uit, maar zonder gewichten. Z.ai houdt die ongeveer twee weken achter voor extra veiligheidswerk, de eerste keer dat een GLM-release om die reden wordt uitgesteld. Het bedrijf zegt dat de offensieve vaardigheid van het model tijdens de post-training sneller groeide dan verwacht: op CyberGym, een benchmark die meet of een model bekende lekken in echte code terugvindt, kwam GLM-5.3 op 84,5 procent en daarmee boven de topmodellen van Anthropic en OpenAI. VentureBeat schreef dat het model kort na de lancering ook een serieus lek in Cursor vond. Op ai-feiten.nl volgden we eerder al het speurwerk rond stealthmodel Ox Alpha dat naar dezelfde release wees.

Wat betekent dit

De aanpak zelf is niet nieuw. OpenAI gaf zijn hackmodel alleen aan vooraf gescreende partijen, Microsoft zette met MAI-Cyber-1-Flash een eigen beveiligingsmodel live en beveiliger Wiz liet zien wat een agent kan door via een Copilot-bug een Snowflake-omgeving binnen te komen. Wat Z.ai toevoegt is schaal en openheid: iedereen met een publieke repo mag meedoen.

Voor beheerders van openbronsoftware verschuift daarmee het knelpunt. Niet het vinden van fouten wordt het probleem, maar het verwerken ervan. Toen CISA in juli de Amerikaanse overheid drie dagen gaf voor een kritiek lek in AI-framework Ray ging het om een enkele kwetsbaarheid met een duidelijke eigenaar. Een register met tweeduizend meldingen onder embargo verdeeld over 269 projecten is een ander soort werk. Wie OpenVuln overweegt, doet er goed aan eerst te bepalen hoeveel triagecapaciteit er is voordat de scan begint.