Cloudflare verbindet mit OpenAI Schwachstellensuche und Abwehr

Cloudflare betreibt eines der weltweit größten Netzwerke und leitet rund 20 % des Webdatenverkehrs über seine Proxys. Organisationen verlassen sich auf dieses Netzwerk, damit ihre Anwendungen und Dienste sicher, schnell und zuverlässig bleiben.

In Vulnerability Discovery and Remediation⁠(wird in einem neuen Fenster geöffnet) kombiniert Cloudflare OpenAI-Modelle, auf die es über Daybreak zugreift, mit seinem globalen Netzwerk und Kontextinformationen zu Bedrohungen. Der Dienst wird über Cloudflare Managed Defense im Vorabzugang angeboten. Die Modelle untersuchen Code und bewerten mögliche Schwachstellen. Cloudflare ergänzt aktuelle Daten zum Datenverkehr, Sicherheitssignale und eine Validierung. So lassen sich Befunde priorisieren und Vorschläge für Schutzmaßnahmen und Patches vorbereiten, die Kund:innen prüfen können.

Codex erweitert die Rolle von OpenAI in der gesamten Entwicklungsorganisation von Cloudflare. Die Entwicklungsteams nutzen es, um mehr zu schaffen und die Codequalität zu verbessern.

Sicherheitsteams erhalten laufend Informationen über Schwachstellen und Warnmeldungen. Diese Daten manuell zu sichten, kostet Zeit und Mühe. Dadurch bleibt den Teams weniger Kapazität, um kritische Probleme zu untersuchen und zu beheben. „Klassische Sicherheitsteams verfügen über jede Menge nützlicher Daten. Ihnen fehlen nur die Leute und die Zeit, um sie zu bearbeiten“, sagt Anderson.

Cloudflares Ansatz besteht darin, eine Schwachstelle im Quellcode mit dem Geschehen im Produktivbetrieb in Beziehung zu setzen. Ist die betroffene Route aktiv? Geht dort verdächtiger Datenverkehr ein? Ist sie bereits durch bestehende Sicherheitsmaßnahmen geschützt? Diese Signale geben Sicherheitsteams mehr Kontext, um zu entscheiden, was sie zuerst untersuchen sollten.

Mit Vulnerability Discovery and Remediation⁠(wird in einem neuen Fenster geöffnet) nutzt Cloudflare OpenAI-Modelle über Daybreak, um von Kund:innen autorisierten Code zu untersuchen, mögliche Schwachstellen zu identifizieren und die Belege für jeden Befund zu prüfen. Der Dienst erstellt Vorschläge für Code-Patches und gegebenenfalls individuelle Regeln für die Web Application Firewall. Diese sollen die Angriffsfläche verringern, während die Entwicklungsteams eine Korrektur prüfen. Cloudflare prüft diese Vorschläge automatisiert. Anschließend prüft das Team sie, bevor es sie mit Kund:innen teilt.

Für Cloudflares Kund:innen ergibt sich daraus ein klarer Weg von der Erkennung einer Schwachstelle bis zum Schutz der betroffenen Anwendung. Der Dienst liefert ihnen Belege zur Priorisierung von Schwachstellen, Vorschläge für Schutzmaßnahmen am Netzwerkrand zur Verringerung der Angriffsfläche sowie Codekorrekturen zur Prüfung. Welche Änderungen sie umsetzen, entscheiden die Kund:innen weiterhin selbst.

Der Schutz von Anwendungen hängt auch von dem Code ab, den Teams schreiben und pflegen. Anderson bringt den Einsatz von Codex bei Cloudflare mit höherer Produktivität in der Entwicklung, besserer Codequalität und weniger Fehlern in Verbindung, die während der Entwicklung entstehen.

Anderson beschreibt eine kürzlich abgeschlossene Neuentwicklung, die das Team zunächst aufgeschoben hatte. „Wir hatten die Entwicklung aufgeschoben, weil uns die Leute dafür fehlten“, sagt er. Da Codex die Produktivität in der Entwicklung steigert, lautet die Frage nicht mehr „Können wir das stemmen?“, sondern „Warum nicht?“

Anderson schätzt, dass die Arbeiten sonst über Monate hätten gestaffelt werden müssen und „vielleicht zehnmal so viele Entwickler:innen“ erfordert hätten. Mit Codex übernahm ein vierköpfiges Entwicklungsteam von Cloudflare die Umsetzung. „Wir haben es in drei Tagen entwickelt, ausgerollt und getestet und dabei 1.100 USD für Tokens ausgegeben“, sagt er.

KI in den Entwicklungsalltag einzubinden, bedeutet für Anderson, „die internen Abläufe so umzugestalten, dass Maschinen bei der Technologieentwicklung von Anfang an mitgedacht werden: nicht als separates Element, sondern als fester Bestandteil des Entwicklungsprozesses.“

Cloudflares Sicherheitsdienst im Vorabzugang setzt diesen Ansatz um: Er verbindet Codeanalysen mit Befunden aus dem Produktivbetrieb und schlägt Maßnahmen vor, die Kund:innen prüfen können. Ziel ist es, Sicherheitsteams die nötigen Informationen zu geben, um Schwachstellen zu priorisieren und zu entscheiden, wie sie betroffene Anwendungen schützen und korrigieren. Dabei behalten die Kund:innen die Kontrolle über Änderungen.