Cloudflare و OpenAI؛ از کشف آسیب‌پذیری تا دفاع

Cloudflare یکی از بزرگ‌ترین شبکه‌های جهان را اداره می‌کند و تقریباً ۲۰٪ از ترافیک وب را به‌عنوان پراکسی عبور می‌دهد. سازمان‌ها برای حفظ امنیت، سرعت و قابلیت اطمینان برنامه‌ها و خدمات خود به این شبکه تکیه می‌کنند.

Cloudflare در سرویس کشف و رفع آسیب‌پذیری⁠(در یک پنجره جدید باز می‌شود)، مدل‌های OpenAI را که از طریق Daybreak در دسترس‌اند، با شبکهٔ جهانی و اطلاعات زمینه‌ای خود دربارهٔ تهدیدها ترکیب می‌کند. این سرویس در قالب Cloudflare Managed Defense با دسترسی زودهنگام ارائه می‌شود. این مدل‌ها کد را بررسی و آسیب‌پذیری‌های احتمالی را ارزیابی می‌کنند. Cloudflare داده‌های زندهٔ ترافیک، نشانه‌های امنیتی و اعتبارسنجی را به این فرایند اضافه می‌کند تا یافته‌ها را اولویت‌بندی کند و راهکارهای کاهش خطر و وصله‌های پیشنهادی را برای بازبینی مشتریان آماده سازد.

Codex نقش OpenAI را به سراسر بخش مهندسی Cloudflare گسترش می‌دهد؛ جایی که توسعه‌دهندگان از آن برای افزایش بازده و بهبود کیفیت کد استفاده می‌کنند.

تیم‌های امنیتی با جریان مداومی از اطلاعات و هشدارهای مربوط به آسیب‌پذیری‌ها روبه‌رو هستند. غربال‌کردن دستی این داده‌ها زمان و انرژی می‌برد و ظرفیت کمتری برای بررسی و رسیدگی به مشکلات حیاتی باقی می‌گذارد. «تیم‌های امنیتی سنتی حجم زیادی دادهٔ مفید دارند. فقط نیروی انسانی و زمان کافی برای رسیدگی به آن‌ها ندارند»، اندرسون می‌گوید.

رویکرد Cloudflare این است که میان آسیب‌پذیری موجود در کد منبع و آنچه در محیط عملیاتی رخ می‌دهد، ارتباط برقرار کند. آیا مسیر آسیب‌پذیر فعال است؟ آیا ترافیک مشکوک دریافت می‌کند؟ آیا کنترل‌های امنیتی موجود از قبل از آن محافظت می‌کنند؟ این نشانه‌ها به تیم‌های امنیتی اطلاعات زمینه‌ای بیشتری می‌دهند تا تصمیم بگیرند ابتدا چه چیزی را بررسی کنند.

Cloudflare در سرویس کشف و رفع آسیب‌پذیری⁠(در یک پنجره جدید باز می‌شود) از مدل‌های OpenAI که از طریق Daybreak در دسترس‌اند استفاده می‌کند تا کد را با مجوز مشتری بررسی کند، آسیب‌پذیری‌های احتمالی را شناسایی کند و شواهد پشتیبان هر یافته را بسنجد. این سرویس وصله‌های پیشنهادی کد و، در موارد مقتضی، قواعد اختصاصی دیوارهٔ آتش برنامه‌های وب را آماده می‌کند تا در مدتی که توسعه‌دهندگان اصلاحیه را بازبینی می‌کنند، خطر حمله کاهش یابد. Cloudflare این پیشنهادها را به‌صورت خودکار ارزیابی می‌کند و تیم آن نیز پیش از ارائه به مشتریان، آن‌ها را بازبینی می‌کند.

مزیت این رویکرد برای مشتریان Cloudflare، مسیری روشن از شناسایی آسیب‌پذیری تا محافظت از برنامهٔ آسیب‌پذیر است. این سرویس شواهد لازم برای اولویت‌بندی آسیب‌پذیری‌ها، پیشنهادهای محافظتی در لبهٔ شبکه برای کاهش خطر حمله و اصلاحیه‌های کد را برای بازبینی در اختیار مشتریان قرار می‌دهد، درحالی‌که تصمیم‌گیری دربارهٔ اجرای تغییرات در دست خودشان می‌ماند.

محافظت از برنامه‌ها به کدی هم بستگی دارد که تیم‌ها می‌نویسند و نگهداری می‌کنند. اندرسون استفادهٔ Cloudflare از Codex را با بهره‌وری بیشتر توسعه‌دهندگان، کیفیت بهتر کد و ایجاد خطاهای کمتر در طول توسعه مرتبط می‌داند.

اندرسون از پروژهٔ بازسازی اخیر یک محصول می‌گوید که تیم آن را به تعویق انداخته بود. او می‌گوید: «ساخت آن را عقب می‌انداختیم چون نیروی انسانی لازم را نداشتیم.» با افزایش بهره‌وری توسعه‌دهندگان به کمک Codex، پرسش از «آیا از عهدهٔ این کار برمی‌آییم؟» به «چرا انجامش ندهیم؟» تغییر می‌کند.

به برآورد اندرسون، این کار مستلزم ماه‌ها اجرای مرحله‌به‌مرحله و «شاید ۱۰ برابر توسعه‌دهندهٔ بیشتر» بود. با Codex، تیمی چهارنفره از توسعه‌دهندگان Cloudflare ساخت آن را بر عهده گرفت. او می‌گوید: «آن را در سه روز ساختیم، عرضه و آزمایش کردیم و ۱٬۱۰۰ دلار برای توکن‌ها هزینه کردیم.»

از نظر اندرسون، واردکردن هوش مصنوعی به کار روزمرهٔ مهندسی به معنای «بازطراحی فرایند داخلی توسعهٔ فناوری با درنظرگرفتن نقش ماشین‌هاست؛ نه به‌عنوان عنصری جداگانه، بلکه به‌عنوان بخشی یکپارچه از فرایند ساخت.»

سرویس امنیتی Cloudflare که در مرحلهٔ دسترسی زودهنگام است، این رویکرد را با پیوندزدن بررسی کد به شواهد محیط عملیاتی و اقدامات پیشنهادی قابل بازبینی توسط مشتریان، به عمل درمی‌آورد. هدف این است که تیم‌های امنیتی اطلاعات لازم را برای تصمیم‌گیری دربارهٔ اولویت آسیب‌پذیری‌ها و نحوهٔ محافظت و اصلاح برنامه‌های آسیب‌پذیر در اختیار داشته باشند، درحالی‌که کنترل تغییرات در دست مشتریان باقی می‌ماند.