AI w SOC a obowiązki RODO i NIS2 - analiza oferty OpenAI

Cyber Katalog 8 min czytania Analiza NIS2 RODO Zarządzanie ryzykiem
TL;DR

Prawo nie zakazuje wpuszczenia AI do SOC, ale zamienia jedną decyzję zakupową w dwie decyzje prawne: komu powierzasz dane pod RODO i kto odpowiada za zegar zgłoszeniowy NIS2, gdy w pętli stoi model.

OpenAI wprowadził właśnie własny produkt dla zespołów bezpieczeństwa. Jego strona sprzedażowa mówi o skuteczności, a polską firmę obchodzi przede wszystkim to, co ten produkt zmienia w umowie powierzenia i w odpowiedzialności za terminy zgłoszeń.

Co OpenAI oferuje zespołom bezpieczeństwa

OpenAI ma osobną stronę produktową dla zespołów bezpieczeństwa, z hasłem "Frontier intelligence for cybersecurity"1. Produkt ma dwie warstwy. Codex Security to skaner dostępny jako wtyczka, jako wersja chmurowa połączona z GitHubem albo jako CLI uruchamiane lokalnie. Pod spodem stoją modele rodziny Daybreak: Daybreak Blue do pracy obronnej (wykrywanie i walidacja podatności, modelowanie zagrożeń, analiza zagrożeń), Daybreak Red do pentestów i kontrolowanego red teamingu, dostępny dopiero po osobnej kwalifikacji zespołu.

Diagram trzech warstw architektury: Codex Security jako interfejs skanujący, pod nim rodzina modeli Daybreak, a pod nią podział na Daybreak Blue do pracy obronnej i Daybreak Red do pentestów wymagający osobnej kwalifikacji
Skaner jest tylko interfejsem, a o tym, co model może zrobić, decyduje warstwa pod spodem.

Strona podaje własne liczby: ponad 30 mln przeanalizowanych commitów, 30 tys. przeskanowanych repozytoriów i 500 tys. napraw1. Nie definiuje jednak, co liczy się jako "naprawa", ani nie podaje punktu odniesienia, więc to liczby producenta o własnym produkcie, a nie dowód skuteczności.

Anthropic poszedł tą samą drogą i pozycjonuje Claude Mythos 5 jako model do cyberbezpieczeństwa, na razie dla "niewielkiego grona początkowych partnerów testowych", z badaniami biologicznymi zapowiedzianymi jako kolejny obszar2. Warunkiem dostępu jest 30-dniowa retencja danych na potrzeby monitoringu bezpieczeństwa2. Szerzej dostępny jest osobny wariant, Claude Fable 5, który według producenta jest tym samym modelem bazowym z dodatkowymi zabezpieczeniami i część zapytań z tych domen automatycznie przekazuje do modeli Opus. Podział jest więc dwustopniowy: pełne możliwości za bramką partnerską, a poza nią wersja, która sama odsyła najtrudniejsze zapytania gdzie indziej.

To również deklaracje producenta o własnym produkcie, niepotwierdzone niezależnym audytem, ale wzorzec zaczyna się powtarzać: najmocniejsze modele w tej domenie trafiają najpierw do wąskiego kręgu partnerów, którzy przeszli kwalifikację. Pytanie z tytułu, komu powierzasz dane i kto odpowiada za zegar zgłoszeniowy, dotyczy więc całej kategorii produktów, która dopiero się formuje. Rozwijamy je w artykule o agentach AI w audycie bezpieczeństwa chmury.

Gdzie kończy się asystent, a zaczyna decyzja człowieka

Sama strona produktowa rysuje tę granicę, choć nie nazywa jej wprost: w FAQ pada zdanie, że Codex Security obsługuje typowe scenariusze obronne, a dostęp do bardziej uprawnionych trybów pracy (Daybreak Access) wymaga osobnej kwalifikacji zespołu1. Nawet producent zakłada więc, że domyślny poziom autonomii modelu ma limit.

Przy realnym incydencie to rozróżnienie przestaje być teoretyczne. Model, który podpowiada, gdzie szukać śladu ataku, przyspiesza pracę analityka i nie rusza struktury odpowiedzialności, bo decyzja i tak zapada po stronie człowieka. Model, który sam klasyfikuje alert jako fałszywy albo sam wysyła patch na produkcję, przenosi tę odpowiedzialność gdzie indziej. Marketing chętnie miesza oba przypadki pod jednym hasłem "przyspieszenia", bo brzmi ono lepiej niż pytanie, kto podpisuje się pod decyzją.

Konsekwencje błędu są przy tym asymetryczne. Fałszywy alarm, który model bez potrzeby eskaluje do człowieka, kosztuje czas analityka. Fałszywe uspokojenie jest poważniejsze, bo model uznaje realny incydent za nieistotny i nie eskaluje go dalej, więc o zignorowaniu zagrożenia nikt świadomie nie decyduje.

Diagram czterech poziomów autonomii modelu AI w zespole bezpieczeństwa: sugestia śladu ataku, walidacja przez człowieka, decyzja człowieka, automatyczna egzekucja
Marketing mówi o przyspieszeniu, mieszając cztery różne poziomy odpowiedzialności.

Przegląd kodu pod kątem podatności z udziałem modelu wymaga dowodu w kodzie, zanim wniosek modelu stanie się znaleziskiem. Silesian Solutions w metodzie przeglądu kodu z udziałem AI uznaje wniosek agenta dopiero wtedy, gdy wskazuje on plik i linię, a ocenę wagi oznacza grupą metryk CVSS, z której ją policzono, bo wynik bazowy i środowiskowy znaczą co innego.

RODO - co realnie oznacza wysłanie logów do AI

Żeby model cokolwiek zwalidował, musi dostać materiał: fragmenty kodu, logi, artefakty incydentu, czasem próbki złośliwego oprogramowania do analizy. Wysłanie tego do zewnętrznego dostawcy jest decyzją o powierzeniu danych, i to zwykle danych wrażliwych, bo logi z incydentu potrafią zawierać dane osobowe, adresy IP i treść komunikacji.

Ten sam materiał niesie drugie ryzyko: log albo artefakt incydentu, wklejony do modelu jako dowód, może zawierać treść spreparowaną tak, by wstrzyknąć modelowi fałszywą instrukcję. Pytanie brzmi wtedy inaczej: czy dane, które wysyłasz, dają się obrócić przeciwko Tobie.

Podstawą prawną takiego powierzenia jest art. 28 RODO3. Administrator, czyli Twoja firma, może korzystać wyłącznie z podmiotu przetwarzającego dającego wystarczające gwarancje wdrożenia odpowiednich środków technicznych i organizacyjnych, a samo przetwarzanie musi być objęte umową wiążącą obie strony. Taka umowa powierzenia, z którą zwykle zaczyna się wdrożenie zgodności z NIS2 i RODO, ma określać:

  • przedmiot, czas trwania, charakter i cel przetwarzania oraz rodzaj danych i kategorie osób, których dotyczą,
  • że procesor przetwarza dane wyłącznie na udokumentowane polecenie administratora,
  • środki bezpieczeństwa odpowiadające ryzyku, zgodnie z art. 32 RODO3,
  • warunki korzystania z dalszych podwykonawców - wyłącznie za uprzednią zgodą administratora,
  • prawo administratora do audytu i inspekcji oraz obowiązek usunięcia lub zwrotu danych po zakończeniu współpracy.

Strona produktowa OpenAI tym tematem się nie zajmuje: nie ma na niej słowa o miejscu przetwarzania, retencji logów ani liście podwykonawców. Może to być uregulowane gdzie indziej w dokumentacji OpenAI, tyle że nie tam, gdzie zapada decyzja zakupowa, dlatego firma przetwarzająca dane objęte RODO powinna wpisać ten punkt do umowy, zanim pierwszy log opuści firmę.

Osobna warstwa problemu to sam transfer danych poza Europejski Obszar Gospodarczy. OpenAI to firma amerykańska, więc RODO wymaga dla takiego przekazania dodatkowego mechanizmu prawnego: decyzji Komisji Europejskiej o odpowiednim stopniu ochrony albo standardowych klauzul umownych wpiętych w umowę powierzenia. Który z tych mechanizmów stosuje konkretny dostawca i dla którego regionu przetwarzania, strona produktowa nie precyzuje, więc odpowiedź trzeba uzyskać w umowie.

NIS2 - kto odpowiada za 24 i 72 godziny, gdy w pętli jest AI

NIS2, czyli dyrektywa (UE) 2022/2555, nakłada twarde terminy zgłaszania incydentów do CSIRT - 24 godziny na wstępne zgłoszenie od powzięcia wiedzy o incydencie, 72 godziny na raport szczegółowy4. Te terminy nie przesuwają się w zależności od tego, jakie narzędzie stoi w pętli detekcji.

Oś czasu obowiązków NIS2: wykrycie incydentu w punkcie zero, wczesne ostrzeżenie do CSIRT w ciągu 24 godzin, zgłoszenie incydentu w ciągu 72 godzin
Zegar NIS2 nie pyta, kto pierwszy zobaczył incydent: człowiek czy model.

Osobną decyzją jest sam próg, od którego incydent w ogóle wymaga zgłoszenia. NIS2 nakłada obowiązek zgłoszenia, gdy incydent wywołuje poważne zakłócenie usługi albo naraża jej odbiorców na istotną szkodę4, więc rozstrzyga ocena wagi zdarzenia.

Jest scenariusz, na który żadna firma nie ma jeszcze utartej odpowiedzi: model klasyfikuje alert jako niegroźny, a analityk mu wierzy. Przy błędnej klasyfikacji zegar 24 godzin4 i tak biegnie od momentu, w którym zespół realnie mógł się dowiedzieć o incydencie, choćby nikt jeszcze ręcznie tego nie potwierdził. Za dotrzymanie tego okna odpowiada zespół bezpieczeństwa, a nie dostawca modelu, niezależnie od tego, czy błąd popełnił człowiek, czy algorytm.

Firma z sektora finansowego podlega do tego osobnym przepisom, bo DORA reguluje zgłaszanie incydentów ICT równolegle do NIS2, z własną logiką klasyfikacji. Pierwszeństwo jednego aktu przed drugim trzeba ustalić jeszcze przed audytem.

Dla kogo to naprawdę jest

Wśród firm powoływanych na stronie jako referencje są Cloudflare, Cisco, CrowdStrike, Palo Alto Networks, Oracle, Salesforce, Zscaler, Akamai i Fortinet1, czyli organizacje, które mają już dojrzały SOC, własne repozytoria kodu i procesy inżynierskie, do których można podłączyć skaner.

Masz z tego realną korzyść, jeśli:

  • wiesz, jakie zasoby i repozytoria w ogóle chronisz, bo inwentaryzację masz już przeprowadzoną, a nie dopiero zaplanowaną,
  • masz zespół, który przegląda wyniki skanera, a nie tylko go włącza,
  • Twoja umowa z dotychczasowymi dostawcami narzędzi już przewiduje powierzenie danych, więc dodanie kolejnego dostawcy rozszerza istniejący proces, zamiast budować go od zera.

Firma bez inwentaryzacji zasobów IT nie zyska na tym narzędziu tyle, ile sugeruje strona produktu, bo jej problem leży o krok wcześniej niż ten, który narzędzie rozwiązuje. AI przyspiesza pracę zespołu, który już wie, co chroni, ale tej wiedzy za niego nie stworzy.

Jak ocenić taki produkt, zanim go wdrożysz

Przed podpisaniem umowy z dostawcą AI dla SOC (OpenAI albo dowolnym innym) karta produktu i pytanie kupującego wyglądają tak:

Obszar Co mówi (lub przemilcza) strona produktowa Pytanie do dostawcy
Skuteczność Zbiorcze liczby producenta bez definicji i punktu odniesienia Jaka jest metodyka liczenia "naprawy" i czy jest porównywalna z innym narzędziem?
Autonomia Ogólne hasło "przyspieszenia" bez rozróżnienia sugestii od decyzji Które akcje model wykonuje sam, a które tylko proponuje człowiekowi?
Miejsce przetwarzania Nieokreślone na stronie sprzedażowej Gdzie fizycznie trafiają logi i kod i czy opuszczają EOG?
Retencja danych Nieokreślona na stronie sprzedażowej Jak długo dane pozostają u dostawcy po zakończeniu analizy?
Podwykonawcy Niewspomniani Kto poza dostawcą ma dostęp do przesłanych danych?
Zgodność z terminami NIS2 Nie dotyczy dostawcy narzędzia Czy dostawca gwarantuje czas odpowiedzi zgodny z oknem 24/72h zgłoszenia?
Prawo audytu Nie dotyczy karty produktowej Czy umowa daje prawo do audytu i inspekcji u dostawcy?
Błędna klasyfikacja modelu Strona tego nie porusza Kto ponosi konsekwencje, jeśli model błędnie oceni wagę incydentu?
Diagram ścieżki pytań przed zakupem narzędzia AI dla SOC: od strony produktowej z obietnicą dostawcy do trzech pytań o granicę autonomii modelu, powierzenie logów incydentu zewnętrznemu podmiotowi i to, kto zgłasza incydent
Liczby ze strony produktowej są tylko punktem wyjścia, bo o umowie powierzenia przesądza odpowiedź na pytanie, gdzie trafiają logi incydentu

Dostawca, który nie potrafi odpowiedzieć na te pytania wprost, nie jest przez to zdyskwalifikowany, ale przenosi całe ryzyko z powrotem na kupującego, a tę informację lepiej mieć przed podpisem umowy.

Firma, która dziś nie ma jeszcze własnego SOC, nie musi zaczynać od narzędzia AI. Alternatywą jest outsourcing tej funkcji do wyspecjalizowanego dostawcy, zanim w ogóle pojawi się pytanie, które narzędzie AI podłączyć.

Źródła

  1. OpenAI, "AI for Cybersecurity Teams" (odczyt 12.08.2026)
  2. Anthropic, "Claude Mythos" - strona produktowa (odczyt 13.08.2026)
  3. Rozporządzenie Parlamentu Europejskiego i Rady (UE) 2016/679 (RODO), art. 28 i art. 32 (odczyt 27.08.2026)
  4. Dyrektywa Parlamentu Europejskiego i Rady (UE) 2022/2555 (NIS2), obowiązki zgłaszania incydentów (odczyt 27.08.2026)
  5. Silesian Solutions, "AI w przeglądzie kodu pod kątem bezpieczeństwa: metoda", 28.10.2026 (odczyt 29.10.2026)

Kanał RSS

Nowe pozycje z tej sekcji w formacie RSS. Adres kanału do subskrypcji w dowolnym czytniku.

Artykuły z aktualności https://cyberkatalog.pl/feed-artykuly.xml