Cloudflare 用 OpenAI 模型做漏洞发现与修复

Cloudflare 运营着全球最大的网络之一，代理了约 20% 的网络流量。各组织依赖该网络来确保其应用和服务的安全、快速和可靠。

Cloudflare 将通过 Daybreak 访问的 OpenAI 模型与其全球网络和威胁上下文相结合，应用于漏洞发现与修复⁠（在新窗口中打开），这是一项通过 Cloudflare Managed Defense 提供的早期访问服务。这些模型会调查代码并评估潜在漏洞。Cloudflare 会加入实时流量数据、安全信号和验证，以对发现结果进行优先级排序，并准备拟议的缓解措施和补丁供客户审查。

Codex 将 OpenAI 的作用扩展到 Cloudflare 的整个工程组织，开发人员使用它来提高产出并改善代码质量。

安全团队面临着源源不断的漏洞信息和警报。手动筛选这些数据需要时间和精力，导致团队用于调查和解决关键问题的能力减少。“传统安全团队拥有大量有用的数据。他们只是没有足够的人手和时间来处理这些数据，”Anderson 说。

Cloudflare 的方法是将源代码中的漏洞与生产环境中正在发生的情况联系起来。受影响的路径是否处于活跃状态？它是否正在接收可疑流量？现有安全控制是否已经在保护它？这些信号为安全团队提供了更多上下文，以便决定首先调查什么。

通过漏洞发现与修复⁠（在新窗口中打开），Cloudflare 使用通过 Daybreak 访问的 OpenAI 模型来调查客户授权的代码、识别潜在漏洞，并核查支持每项发现的证据。该服务会准备建议的代码补丁，并在适当情况下提供自定义 Web 应用防火墙规则，以在开发者审查修复方案期间降低暴露风险。Cloudflare 对这些建议运行自动化检查，其团队会在与客户分享之前进行审查。

对 Cloudflare 客户而言，好处在于从识别漏洞到保护受影响应用有一条清晰的路径。该服务为他们提供用于确定漏洞优先级的证据、用于降低暴露风险的拟议边缘防护措施，以及可供审查的代码修复方案，同时他们仍掌控要实施哪些更改。

保护应用还取决于团队编写和维护的代码。Anderson 将 Cloudflare 对 Codex 的使用与更高的开发者生产力、更好的代码质量以及开发过程中引入的更少缺陷联系起来。

Anderson 描述了团队最近一次被推迟的重建工作。“我们一直推迟构建它，因为我们没有足够的人力去做，”他说。随着 Codex 提升开发者生产力，问题从“我们能承担这个吗？”转变为“为什么不呢？”

Anderson估计这项工作原本需要数月的排期以及“可能多 10 倍的开发者”。借助 Codex，Cloudflare 一个由四名开发者组成的团队承担了这次构建。“我们在三天内构建完成，推出并测试了它，并在 token 上花费了 1,100 美元，”他说。

对 Anderson 而言，让 AI 成为日常工程的一部分意味着“重建内部流程，以面向机器的思维来构建技术，不是把它当作一个独立元素，而是当作融入构建过程的东西。”

Cloudflare 的早期访问安全服务将这一方法付诸实践，把代码调查与生产环境证据以及可供客户审查的建议操作连接起来。目标是让安全团队获得所需信息，以决定优先处理哪些漏洞，以及如何保护和修复受影响的应用程序，同时客户仍对变更保有控制权。