Cloudflare 运营着世界上最大的网络之一，并代理约 20% 的网络流量。各组织依赖该网络来保持其应用程序和服务的安全、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 Vulnerability Discovery and Remediation，这是通过 Cloudflare Managed Defense 提供的早期访问服务。这些模型调查代码并评估潜在漏洞。Cloudflare 添加实时流量数据、安全信号和验证，以优先处理发现的问题，并为客户准备拟议的缓解措施和补丁以供审查。
Codex 扩展了 OpenAI 在 Cloudflare 工程组织中的作用，开发人员使用它来提高产出并改善代码质量。
“Daybreak 和 Codex 提供的自动化之美在于，你可以让机器去做繁重的工作，这样人类就可以在最重要的工程和安全决策上发挥他们的判断力。”
—Mark Anderson，Cloudflare 收入总裁
使用 Daybreak 扩展安全分析
安全团队面临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，使团队调查和解决关键问题的能力减少。“传统安全团队有大量有用数据。他们只是没有人员和时间来处理它，”Anderson 说。
Cloudflare 的方法是将源代码中的漏洞与生产环境中发生的情况联系起来。受影响的路由是否活跃？它是否接收可疑流量？现有的安全控制是否已经在保护它？这些信号为安全团队提供更多上下文，以决定优先调查什么。
通过 Vulnerability Discovery and Remediation，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，并检查支持每个发现的证据。该服务准备拟议的代码补丁，并在适当情况下准备自定义 Web 应用程序防火墙规则，以在开发人员审查修复时减少暴露。Cloudflare 对这些提案运行自动检查，其团队在与客户分享之前进行审查。
对于 Cloudflare 客户来说，好处是从识别漏洞到保护受影响应用程序的清晰路径。该服务为他们提供优先处理漏洞的证据、减少暴露的拟议边缘保护措施，以及供审查的代码修复，同时他们保留对实施哪些更改的控制权。
使用 Codex 在 3 天内重建产品
保护应用程序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人员生产力、更好的代码质量以及开发过程中引入的更少错误联系起来。
“在 Cloudflare，公司三分之一的人员是为平台构建服务和功能的软件开发人员，他们中 100% 使用 Codex 来提高产出并交付更好的代码。”
—Mark Anderson，Cloudflare 收入总裁
Anderson 描述了团队最近推迟的一次重建。“我们一直推迟构建它，因为我们没有足够的人力来做，”他说。随着 Codex 扩展开发人员生产力，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序和“也许 10 倍多的开发人员”。借助 Codex，一个由四名开发人员组成的 Cloudflare 团队承担了构建工作。“我们在三天内构建了它，推出并测试了它，并在 tokens 上花费了 1100 美元，”他说。
围绕 AI 和人类判断塑造网络防御
对 Anderson 来说，使 AI 成为日常工程的一部分意味着“重建内部流程，以机器为中心来构建技术，不是作为单独的元素，而是作为集成到构建过程中的东西。”
Cloudflare 的早期访问安全服务通过将代码调查与生产证据以及客户可审查的拟议行动联系起来，将该方法付诸实践。目标是为安全团队提供他们需要的信息，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，同时客户保留对更改的控制权。