Cloudflare: dari deteksi celah ke pertahanan dengan OpenAI

Cloudflare mengoperasikan salah satu jaringan terbesar di dunia dan menjadi proksi bagi sekitar 20% lalu lintas web. Berbagai organisasi mengandalkan jaringan tersebut agar aplikasi dan layanan mereka tetap aman, cepat, dan andal.

Cloudflare memadukan model OpenAI yang diakses melalui Daybreak dengan jaringan global dan informasi kontekstual tentang ancaman dalam Vulnerability Discovery and Remediation⁠(terbuka di jendela baru), layanan akses awal yang ditawarkan melalui Cloudflare Managed Defense. Model-model tersebut menyelidiki kode dan menilai potensi kerentanan. Cloudflare menambahkan data lalu lintas real-time, sinyal keamanan, dan validasi untuk memprioritaskan temuan serta menyiapkan usulan mitigasi dan patch yang dapat ditinjau pelanggan.

Codex memperluas peran OpenAI di seluruh divisi pengembangan Cloudflare. Para pengembang menggunakannya untuk meningkatkan produktivitas dan kualitas kode.

Tim keamanan menghadapi arus informasi dan peringatan kerentanan yang terus berdatangan. Memilah data tersebut secara manual menyita waktu dan tenaga, sehingga kapasitas tim untuk menyelidiki dan menangani masalah kritis menjadi terbatas. “Tim keamanan tradisional memiliki banyak sekali data yang berguna. Mereka hanya kekurangan tenaga dan waktu untuk mengolahnya,” ujar Anderson.

Pendekatan Cloudflare adalah menghubungkan kerentanan dalam kode sumber dengan apa yang terjadi di lingkungan produksi. Apakah rute yang terdampak masih aktif? Apakah rute itu menerima lalu lintas yang mencurigakan? Apakah kontrol keamanan yang ada sudah melindunginya? Sinyal-sinyal tersebut memberi tim keamanan lebih banyak konteks untuk menentukan apa yang perlu diselidiki terlebih dahulu.

Melalui Vulnerability Discovery and Remediation⁠(terbuka di jendela baru), Cloudflare menggunakan model OpenAI yang diakses melalui Daybreak untuk menyelidiki kode atas izin pelanggan, mengidentifikasi potensi kerentanan, dan memeriksa bukti yang mendukung setiap temuan. Layanan ini menyiapkan usulan patch kode dan, bila sesuai, aturan firewall aplikasi web khusus untuk mengurangi paparan risiko selama pengembang meninjau perbaikan. Cloudflare menjalankan pemeriksaan otomatis atas usulan-usulan tersebut, lalu timnya meninjaunya sebelum membagikannya kepada pelanggan.

Bagi pelanggan Cloudflare, manfaatnya adalah alur yang jelas dari identifikasi kerentanan hingga perlindungan aplikasi yang terdampak. Layanan ini memberi mereka bukti untuk memprioritaskan kerentanan, usulan perlindungan di edge untuk mengurangi paparan risiko, serta perbaikan kode untuk ditinjau. Mereka tetap memegang kendali atas perubahan mana yang akan diterapkan.

Perlindungan aplikasi juga bergantung pada kode yang ditulis dan dipelihara oleh tim. Anderson mengaitkan penggunaan Codex di Cloudflare dengan peningkatan produktivitas pengembang, kualitas kode yang lebih baik, serta berkurangnya bug yang muncul selama pengembangan.

Anderson menceritakan proyek pembangunan ulang yang baru-baru ini dikerjakan setelah sempat ditunda oleh tim. “Kami menunda pembangunannya karena tidak memiliki tenaga yang cukup untuk mengerjakannya,” ujarnya. Dengan Codex yang meningkatkan produktivitas pengembang, pertanyaannya bergeser dari “Sanggupkah kita mengerjakan ini?” menjadi “Mengapa tidak?”

Anderson memperkirakan pekerjaan itu akan membutuhkan pengaturan tahapan selama berbulan-bulan dan “mungkin 10 kali lebih banyak pengembang.” Dengan Codex, tim Cloudflare yang terdiri dari empat pengembang mengerjakan proyek tersebut. “Kami membangunnya dalam tiga hari, meluncurkan dan mengujinya, serta menghabiskan US$1.100 untuk token,” ujarnya.

Bagi Anderson, menjadikan AI bagian dari pekerjaan pengembangan sehari-hari berarti “menata ulang proses internal untuk membangun teknologi dengan memperhitungkan peran mesin, bukan sebagai elemen terpisah, melainkan sebagai bagian yang menyatu dalam proses pengembangan.”

Layanan keamanan akses awal Cloudflare menerapkan pendekatan tersebut dengan menghubungkan penyelidikan kode dengan bukti dari lingkungan produksi dan usulan tindakan yang dapat ditinjau pelanggan. Tujuannya adalah membekali tim keamanan dengan informasi yang diperlukan untuk menentukan kerentanan mana yang harus diprioritaskan serta cara melindungi dan memperbaiki aplikasi yang terdampak, sementara pelanggan tetap memegang kendali atas perubahan.