Cloudflare: detección y defensa ante vulnerabilidades con OpenAI

Cloudflare opera una de las redes más grandes del mundo y actúa como intermediario de aproximadamente el 20 % del tráfico web. Las organizaciones dependen de esa red para mantener sus aplicaciones y servicios seguros, rápidos y confiables.

Cloudflare combina los modelos de OpenAI disponibles a través de Daybreak con su red global y su información contextual sobre amenazas en Detección y corrección de vulnerabilidades⁠(se abre en una nueva ventana), un servicio de acceso anticipado que se ofrece a través de Cloudflare Managed Defense. Los modelos analizan el código y evalúan posibles vulnerabilidades. Cloudflare aporta datos de tráfico en tiempo real, señales de seguridad y validación para priorizar los hallazgos y preparar propuestas de mitigación y parches que los clientes puedan revisar.

Codex amplía la presencia de OpenAI en toda el área de ingeniería de Cloudflare, donde los desarrolladores lo usan para aumentar su productividad y mejorar la calidad del código.

Los equipos de seguridad se enfrentan a un flujo constante de información y alertas sobre vulnerabilidades. Revisar esos datos manualmente requiere tiempo y esfuerzo, lo que deja a los equipos con menos capacidad para investigar y resolver problemas críticos. “Los equipos de seguridad tradicionales tienen muchísimos datos útiles. Simplemente no cuentan con el personal ni el tiempo para procesarlos”, dice Anderson.

El enfoque de Cloudflare consiste en vincular una vulnerabilidad del código fuente con lo que ocurre en producción. ¿Está activa la ruta afectada? ¿Está recibiendo tráfico sospechoso? ¿Los controles de seguridad existentes ya la están protegiendo? Esas señales brindan a los equipos de seguridad más contexto para decidir qué investigar primero.

A través de Detección y corrección de vulnerabilidades⁠(se abre en una nueva ventana), Cloudflare usa los modelos de OpenAI disponibles mediante Daybreak para analizar código con autorización del cliente, identificar posibles vulnerabilidades y verificar la evidencia que respalda cada hallazgo. El servicio prepara propuestas de parches de código y, cuando corresponde, reglas personalizadas de firewall de aplicaciones web para reducir la exposición mientras los desarrolladores revisan una corrección. Cloudflare ejecuta comprobaciones automatizadas sobre estas propuestas, y su equipo las revisa antes de compartirlas con los clientes.

Para los clientes de Cloudflare, el beneficio es contar con una vía clara para pasar de identificar una vulnerabilidad a proteger la aplicación afectada. El servicio les brinda evidencia para priorizar vulnerabilidades, propuestas de protección en el borde de la red para reducir la exposición y correcciones de código para revisar, mientras conservan el control sobre qué cambios implementar.

La protección de las aplicaciones también depende del código que los equipos escriben y mantienen. Anderson vincula el uso de Codex en Cloudflare con una mayor productividad de los desarrolladores, una mejor calidad del código y menos errores introducidos durante el desarrollo.

Anderson describe la reciente reconstrucción de un producto que el equipo había pospuesto. “Estábamos posponiendo su desarrollo porque no teníamos suficiente personal”, dice. Con Codex impulsando la productividad de los desarrolladores, la pregunta pasa de “¿Podemos asumir este proyecto?” a “¿Por qué no?”

Anderson estima que el trabajo habría requerido meses de tareas sucesivas y “quizás diez veces más desarrolladores”. Con Codex, un equipo de cuatro desarrolladores de Cloudflare se encargó del proyecto. “Lo desarrollamos en tres días, lo lanzamos y lo probamos, y gastamos $1100 en tokens”, dice.

Para Anderson, incorporar la IA al trabajo diario de ingeniería significa “rediseñar el proceso interno de desarrollo tecnológico teniendo en cuenta a las máquinas, no como un elemento aparte, sino como parte integral del proceso”.

El servicio de seguridad de acceso anticipado de Cloudflare pone en práctica ese enfoque al conectar el análisis de código con evidencia del entorno de producción y propuestas de acciones que los clientes pueden revisar. El objetivo es brindar a los equipos de seguridad la información que necesitan para decidir qué vulnerabilidades priorizar y cómo proteger y corregir las aplicaciones afectadas, mientras los clientes mantienen el control sobre los cambios.