Cloudflare conecta modelos da OpenAI para caçar falhas e blindar código

Tráfego de produção define prioridade dos alertas

A oferta funciona sob o nome Vulnerability Discovery and Remediation, disponibilizada em acesso antecipado dentro do Cloudflare Managed Defense. O objetivo declarado é solucionar um problema comum nas empresas: analistas acumulam montanhas de dados úteis, mas não dispõem de tempo nem equipe para investigar cada aviso. “As equipes tradicionais de segurança têm uma tonelada de dados úteis; elas só não têm pessoas e tempo para lidar com isso”, disse Mark Anderson, presidente de receita da Cloudflare. O volume diário sufoca especialistas.

Para filtrar o que realmente importa, a plataforma conecta a falha no repositório ao comportamento do tráfego ao vivo nos servidores de borda. Os modelos acessados via Daybreak inspecionam o código autorizado pelo cliente, checam evidências e verificam se a rota vulnerável está ativa, se recebe tráfego suspeito ou se já conta com defesas operacionais. A partir desses sinais, o sistema elabora regras personalizadas de firewall para fechar a exposição na borda da rede e sugere patches de código. A decisão final cabe ao cliente.

Quatro engenheiros reconstruíram sistema em três dias

Antes de liberar qualquer recomendação técnica aos usuários externos, a Cloudflare roda validações automatizadas e submete as propostas à conferência da própria equipe de defesa. A ideia é atribuir às máquinas o trabalho mecânico de triagem para que analistas concentrem a atenção em julgamentos estratégicos de segurança e engenharia. Anderson resumiu a divisão de tarefas: “Você pode delegar às máquinas o trabalho braçal para que os humanos exerçam seu discernimento nas decisões mais importantes de engenharia e segurança”. A automação não substitui a checagem.

A utilização da tecnologia da OpenAI também mudou o desenvolvimento interno na Cloudflare, onde um terço dos funcionários atua diretamente na criação de software. Todos os desenvolvedores usam Codex. Com o modelo, a empresa executou um projeto antes engavetado por falta de equipe, que antes exigiria meses e talvez dez vezes mais engenheiros. Um time de quatro pessoas refez a aplicação em três dias, rodou os testes e gastou 1.100 dólares em tokens.

Apesar das promessas de ganho de escala, a integração entre descoberta de vulnerabilidades e resposta em borda ainda está restrita a participantes do programa de acesso antecipado. A empresa comercializa o recurso por meio de sua divisão gerenciada e mantém travas operacionais para impedir que modelos executem alterações diretas sem supervisão prévia dos clientes. A iniciativa busca integrar máquinas ao ciclo de desenvolvimento, mas os dados de velocidade e economia apresentados no anúncio decorrem exclusivamente de relatórios da própria fornecedora. O mercado aguarda testes independentes.