Un agente de IA encuentra 24 vulnerabilidades Android, pero la revisión humana sigue siendo decisiva

GitHub Security Lab ha publicado una descripción práctica de cómo utiliza un agente de IA de código abierto para auditar aplicaciones Android. El equipo afirma haber encontrado 24 vulnerabilidades mediante flujos de trabajo especializados, llamados taskflows, que dividen la investigación en pasos más pequeños y orientan al modelo hacia clases concretas de fallos.

La idea importante no es pedir a un modelo que revise un repositorio entero con una instrucción genérica. El sistema primero identifica puntos de entrada donde podrían llegar datos controlados por un atacante. Después separa los componentes móviles de otras partes del proyecto y clasifica cada entrada según el tipo de riesgo que debe investigarse. En el caso de Android, los flujos incluyen comprobaciones específicas para intents, componentes exportados, broadcasts, WebView y otros mecanismos propios de la plataforma.

El equipo combina varias ejecuciones. Un flujo más estricto busca patrones conocidos y otro más amplio intenta conectar componentes y razonar sobre comportamientos que no aparecen en una única función. Esa repetición no convierte al modelo en una autoridad: sirve para aumentar la cobertura y reducir la probabilidad de que una relación relevante se pierda en una revisión aislada.

Los ejemplos publicados muestran por qué el contexto importa. En OsmAnd, una actividad exportada aceptaba extras de un intent externo que podían modificar silenciosamente la configuración de mapas y enviar información de ubicación a un servidor controlado por un atacante. En la aplicación de Wikipedia, una combinación de un parser de enlaces profundos y una comprobación defectuosa de dominios podía abrir contenido externo dentro de un WebView y exponer cookies. Son problemas de lógica y de integración entre componentes, no simples coincidencias con una lista de funciones inseguras.

El resultado también ilustra el límite actual de estas herramientas. El modelo detecta muchos indicios, pero suele equivocarse al estimar la gravedad. Una vulnerabilidad puede depender de un estado muy improbable, de una mitigación que no ha visto o de qué almacenamiento tiene prioridad en tiempo de ejecución. GitHub recomienda validar cada hallazgo con una persona experta y, cuando sea posible, construir una prueba de concepto que confirme el impacto real.

Para equipos de software, la lección es operativa: la IA puede ampliar la superficie revisada si se combina con un threat model explícito, tareas reproducibles y evidencias verificables. No sustituye los tests dinámicos, el análisis manual ni la responsabilidad del mantenedor. Su valor está en convertir conocimiento especializado en un proceso repetible que otros investigadores puedan ejecutar, revisar y mejorar.