Cloudflare une detección de vulnerabilidades y defensa con OpenAI

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

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 ventana nueva), un servicio en acceso anticipado que se ofrece a través de Cloudflare Managed Defense. Los modelos investigan el código y evalúan posibles vulnerabilidades. Cloudflare incorpora datos de tráfico en tiempo real, señales de seguridad y validaciones 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 utilizan 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 disponen de muchísimos datos útiles. Simplemente no tienen el personal ni el tiempo necesarios para gestionarlos», afirma Anderson.

El enfoque de Cloudflare consiste en relacionar una vulnerabilidad del código fuente con lo que ocurre en el entorno de producción. ¿Está activa la ruta afectada? ¿Recibe tráfico sospechoso? ¿La protegen ya los controles de seguridad existentes? Estas señales aportan a los equipos de seguridad más contexto para decidir qué investigar primero.

A través de Detección y corrección de vulnerabilidades⁠(se abre en una ventana nueva), Cloudflare utiliza los modelos de OpenAI disponibles mediante Daybreak para investigar código con autorización del cliente, identificar posibles vulnerabilidades y comprobar las pruebas que respaldan cada hallazgo. El servicio prepara propuestas de parches de código y, cuando procede, reglas personalizadas de cortafuegos de aplicaciones web para reducir la exposición mientras los desarrolladores revisan una corrección. Cloudflare realiza comprobaciones automatizadas de estas propuestas y su equipo las revisa antes de compartirlas con los clientes.

Para los clientes de Cloudflare, la ventaja es contar con una vía clara para pasar de identificar una vulnerabilidad a proteger la aplicación afectada. El servicio les proporciona pruebas para priorizar las vulnerabilidades, propuestas de protección en el perímetro de la red para reducir la exposición y correcciones de código que pueden revisar, sin que pierdan el control sobre qué cambios implementar.

La protección de las aplicaciones también depende del código que los equipos escriben y mantienen. Anderson relaciona 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. «Habíamos ido aplazando su desarrollo porque no teníamos personal suficiente», explica. Con Codex impulsando la productividad de los desarrolladores, la pregunta pasa de «¿Podemos asumir este proyecto?» a «¿Por qué no?»

Anderson calcula que el trabajo habría requerido meses de tareas encadenadas y «quizá diez veces más desarrolladores». Con Codex, un equipo de cuatro desarrolladores de Cloudflare se encargó del proyecto. «Lo desarrollamos en tres días, lo desplegamos y lo probamos, y gastamos 1100 dólares en tokens», afirma.

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

El servicio de seguridad de Cloudflare en acceso anticipado pone en práctica este enfoque al conectar la investigación del código con pruebas del entorno de producción y propuestas de medidas que los clientes pueden revisar. El objetivo es dar 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.