AI-verktyg översvämmade Apple med skräprapporter — nu begränsas hur många en forskare får lämna in
AI översvämmar Apples säkerhetsteam med skräprapporter — nu införs strikta begränsningar.
När hjälpmedlet blir ett problem
Det är sällan man ser en teknisk innovation skapa ett problem just inom det område den var tänkt att förbättra. Men det är precis vad som håller på att ske inom cybersäkerhet — och Apple är nu det tydligaste exemplet på detta.
Sedan juni i år har Apple infört ett maxantal för hur många öppna säkerhetsrapporter en enskild forskare kan ha inne hos företaget samtidigt. Utöver det gäller en karenstid på 30 dagar innan en ny rapport kan lämnas in. Det är den italienska cybersäkerhetsstartupern Bynario som först uppmärksammade förändringen, och Financial Times har sedan bekräftat uppgifterna, enligt Computer Sweden.
Bakom beslutet ligger en konsekvens som få förutsåg när den generativa AI-vågen slog igenom: det har blivit markant enklare att identifiera potentiella sårbarheter i kod. Verktyg som tidigare krävde djup teknisk expertis och hundratals arbetstimmar kan nu användas av vem som helst med grundläggande programmeringskunskaper. Det låter onekligen som en framgångssaga för den digitala säkerheten.
Men kvantitet och kvalitet är sällan samma sak.
Lavinen av bristfälliga fynd
När tröskeln för att hitta och rapportera säkerhetsbrister sänks dramatiskt, följer en naturlig konsekvens: volymen rapporter exploderar, men det genomsnittliga värdet per rapport sjunker. Apples säkerhetsteam har tydligen kommit till en punkt där kostnaden för att manuellt granska undermåliga och ofullständiga felrapporter blivit för hög för att ignorera.
Detta är inte ett unikt problem för Apple. Det är ett strukturellt problem för hela branschen. Traditionella ansvarsutgivningsprogram — där externa säkerhetsforskare belönas för att hitta och rapportera brister — bygger på ett implicit antagande: att forskarna lägger ned tillräckligt med arbete för att säkerställa att fyndet är genuint och välunderbyggt. Generativ AI rubbar den balansen fundamentalt.
Tidigare krävde en välformulerad säkerhetsrapport timmar av analys, verifiering och dokumentation. Nu kan AI-verktyg generera hundratals rapportutkast på en arbetsdag. Resultatet är ett system under press — inte från illvilliga angripare, utan från välmenande men slarviga aktörer som låter AI göra jobbet halvvägs.
Möjlighet och ansvar går hand i hand
Jag vill vara tydlig: detta är inte ett argument mot AI inom cybersäkerhet. Tvärtom. De forskare och företag som använder AI på rätt sätt — som ett verktyg för att skärpa sin analys snarare än att ersätta den — kommer att kunna hitta allvarligare brister snabbare än någonsin. Det är en enorm möjlighet.
Men möjligheten kräver mognad. Och den mognaden saknas uppenbarligen hos en tillräckligt stor del av aktörerna för att Apple ska behöva vidta strukturella åtgärder.
Apple har löst problemet pragmatiskt: ett tak per forskare, en karenstid, och en möjlighet för seriösa aktörer att ansöka om undantag och få sin gräns höjd. Det är en rimlig och proportionerlig åtgärd. Men det är också ett tydligt prejudikat — en signal till hela teknikbranschen om att spelreglerna för ansvarsutgivning behöver uppdateras för AI-eran.
Frågan är vilka som är näst på tur. Google, Microsoft och Meta driver alla stora ansvarsutgivningsprogram. Det vore förvånande om de inte redan brottas med exakt samma problem i sina inkorgar.
Vad det kräver av oss
Det vore lätt att lasta skulden på AI-verktygen. Men det är fel adress. Verktygen gör vad de är designade att göra — de sänker trösklar och demokratiserar tillgång. Ansvaret ligger hos dem som använder dem, och hos de institutioner som sätter ramarna.
För säkerhetsbranschen innebär detta att normer och processer måste anpassas i takt med tekniken. Det handlar om att definiera vad en kvalificerad säkerhetsrapport faktiskt innebär i en värld där AI kan generera den formella strukturen men inte alltid det analytiska djupet.
Apples åtgärd är ett steg i rätt riktning. Men det är bara ett steg.
Vår analys
Det vi ser hos Apple är ett tidigt och konkret exempel på en utmaning som kommer att prägla AI-omställningen inom många sektorer: när AI demokratiserar tillgång till komplexa processer, följer inte alltid kvaliteten med i bredd.
Detta är inte ett skäl att bromsa AI-utvecklingen — det är ett skäl att bygga bättre ramverk runt den. Branschen behöver sannolikt röra sig mot differentierade ansvarsutgivningsprogram där AI-assisterade rapporter kräver en tydligare verifieringskedja innan de ens når en mänsklig granskare. Automatiserad förhandsgranskning, ryktebaserade poängsystem för forskare, och krav på mänsklig bekräftelse av AI-genererade fynd är alla verktyg som branschen bör utforska.
På längre sikt kan detta paradoxalt nog leda till ett starkare säkerhetsekosystem — ett där AI sköter den breda skanningen och erfarna människor fokuserar på djupanalys av de fynd som faktiskt förtjänar uppmärksamhet. Men dit tar det tid att nå, och resan kommer att kräva fler svåra beslut som Apples.