OpenAI Daybreak平台推出自动化漏洞检测与修复功能
原创
Cybersecurityhub
Cybersecurityhub
安全行者老霍
2026年7月6日 08:00
北京
在小说阅读器读本章
去阅读
发布时间:2026 年 6 月 24 日
新型网络安全平台融合了先进人工智能模型、自动化修复工具、行业合作伙伴关系与开源协作能力,以应对各机构难以跟上软件漏洞激增的困境。
OpenAI 正式公布了其网络安全项目 “破晓” 的重大升级计划,推出全新人工智能工具、战略合作伙伴,并发布一款专为网络安全优化的增强型模型,旨在帮助各类机构从单纯的软件漏洞发现阶段,迈向以空前速度自动修复漏洞的新阶段。
此次公告是该公司在防御性网络安全领域最具雄心的举措之一。当前,各界愈发担忧:人工智能技术的飞速发展,正大幅加速关键基础设施、企业系统、操作系统、云环境以及广泛使用的开源软件中软件漏洞的挖掘速度。
破晓计划包含升级版Codex security、全新发布的 GPT-5.5-Cyber、汇聚全球众多顶尖安全厂商的网络安全合作伙伴生态,以及一项名为 “修复全球” 的全新开源倡议,该倡议帮助开源项目维护者在漏洞被恶意分子利用前快速完成修复。
这一举措折射出整个网络安全行业正在发生的广泛变革。数十年来,漏洞发现一直是软件安全工作中难度最高、资源消耗最大的环节。如今,功能日益强大的人工智能系统能够分析海量代码库,推演复杂攻击路径,定位可被利用的安全弱点,并生成POC攻击代码,耗时仅为人类安全研究员的一小部分。
由此,网络安全防御者面临的挑战已发生根本性转变。
1. 网络安全新的瓶颈
在整个网络安全生态体系中,各类机构正面临着不断积压的漏洞清单。美国国家漏洞数据库等公共库,以及微软、谷歌、思科、甲骨文、VMware等厂商发布的安全公告,每年报告的软件漏洞数量均创下历史新高。
与此同时,基于人工智能的安全工具极大提升了研究员挖掘此前未被发现漏洞的能力。
这一现象标志着网络安全工作从 “发现问题” 转向 “修复问题”。
如今,漏洞扫描工具、漏洞悬赏计划、红队演练与人工智能系统能够挖掘出数千个潜在安全问题,但企业往往缺乏足够的人员、专业技术与资源,无法完成漏洞验证、风险优先级排序、补丁开发、变更测试、漏洞披露以及将修复方案部署至生产环境等工作。
最终导致修复缺口持续扩大。
根据美国网络安全与基础设施安全局(CISA)、Gartner、Ponemon研究所等机构的研究报告,多数机构在漏洞公开披露后,需要数周甚至数月才能完成关键漏洞的全面补丁部署。在部分案例中,已知漏洞甚至多年未得到修复。
OpenAI 表示,人工智能能够助力缩小这一差距。
该公司称,下一代防御性人工智能系统不应仅聚焦于漏洞发现,而需覆盖漏洞修复的全生命周期,从检测、验证,到补丁生成、测试、部署与验证。
OpenAI 在公布该计划时表示:“仅靠漏洞报告无法提升安全水平,真正的价值在于验证问题、评估影响、开发有效修复方案,并确保这些修复方案落地至生产系统。”
2. Codex Security 从扫描工具进化为自主安全工程师
升级后破晓计划的核心,是 OpenAI 旗下人工智能驱动的软件安全平台Codex Security的重大更新。
该公司表示,自今年年初推出预览版以来,平台已分析了超 3 万个代码仓库中的 3000 多万次软件提交记录。据统计,人类审核人员已确认数万项安全问题得到解决,另有数十万项问题被自动核验为已修复。
最新版本大幅拓展了平台的功能边界。
不同于仅生成警报的传统静态分析扫描工具,新版代码安全模型的定位是嵌入开发工作流的专属安全工程师。
该系统可分析源代码、构建威胁模型、判断漏洞组件是否可被攻击者实际利用、验证漏洞可利用性、生成漏洞佐证材料,并针对特定代码库生成定制化软件补丁。
开发者仍负责审批所有代码修改,但该平台可大幅减少人工排查与修复漏洞所需的工作量。
安全团队还可借助该平台,分类处理外部扫描工具、漏洞悬赏提交、威胁情报源、安全公告或漏洞管理平台发现的问题。
该公司称,平台支持通过 SARIF、CodeQL 等标准与现有企业安全工具集成,让机构将人工智能辅助修复功能融入现有的开发安全运维流程。
这一趋势被定义为 “AI-native安全工程”,人工智能系统不仅辅助开发者编写软件,更能持续保障软件全生命周期的安全。
3. GPT-5.5-Cyber模型:推动防御性网络人工智能升级
伴随平台升级,OpenAI 同步发布了性能大幅增强的GPT-5.5-Cyber,这是一款为授权网络安全专业人员打造的专项模型。
该模型在早期受限访问版本的基础上升级,不仅提升了网络安全领域的性能表现,还针对合法防御工作流程放宽了使用权限。
OpenAI 表示,该模型在内部评估中创下全新基准纪录。
在CyberGym(一款用于评估人工智能复现软件环境已知漏洞能力的基准测试)中,模型得分达到 85.6%,超越了标准版 GPT-5.5 模型与其他同类前沿系统。
该模型在ExploitGym(评估人工智能将已知漏洞转化为有效攻击代码的能力)与 SEC Bench Pro(聚焦复杂软件目标的长期漏洞挖掘与poc开发)中也实现了显著性能提升。
除基准测试外,OpenAI 称该模型已协助发现并验证了多款广泛部署技术的漏洞,包括浏览器引擎、网络基础设施、操作系统与协议实现。
提及的软件平台包括火狐浏览器、V8、Safari、FreeBSD、OpenBSD、Linux 相关组件以及 HTTP/2 基础设施。
目前,该模型采用受控访问机制,仅向符合安全规范的认证防御人员开放高级功能权限。
4. 全行业合作彰显人工智能安全军备竞赛升级
同样具有重大意义的是,OpenAI 致力于将其网络安全模型深度融入全球安全产业。
全新公布的破晓网络安全合作伙伴计划,汇聚了全球众多顶尖网络安全企业、咨询机构与托管安全服务提供商。
合作企业包括Cisco, Cloudflare, CrowdStrike, Fortinet, IBM, Palo Alto Networks, SentinelOne, Sophos, Tenable, Trend Micro, Wiz, Check Point, Akamai, Darktrace, Elastic, NCC Group,以及埃森哲、凯捷、安永、毕马威、普华永道、高知特等大型咨询公司。
这一战略与微软、谷歌、Anthropic、亚马逊等竞争对手的布局一致,这些企业均在持续将生成式人工智能能力融入网络安全产品。
此类合作可大幅拓展先进防御性人工智能技术的应用范围,同时避免底层模型被无限制开放使用。
网络安全厂商可将 OpenAI 的技术能力集成至托管服务、检测平台、漏洞管理系统、应急响应工作流与企业客户使用的威胁狩猎产品中。
5. “修复全球” 倡议:应对开源软件安全危机
此次公告中最引人注目的举措之一,是启动专注于强化开源软件安全的 “修复全球” 倡议 。
该项目由 OpenAI 与网络安全研究机构 Trail of Bits 联合发起,携手HackOne、独立研究员、开源项目维护者与安全从业者共同推进。
该倡议直击软件安全领域长期存在的结构性难题。
开源项目是现代计算技术的基石,覆盖云基础设施、操作系统、加密库、编程语言与开发工具,但绝大多数开源项目仅由少数志愿者维护。
Linux 基金会与哈佛大学的研究显示,绝大多数关键开源项目依赖极小规模的维护团队,这导致团队在处理安全报告时面临严重的资源限制。
随着人工智能大幅提升漏洞挖掘效率,维护者面临的挑战愈发严峻:需要处理海量安全报告,其中大量报告存在误报、重复或修复方案不完整的问题。
“修复全球” 倡议旨在通过专业人类研究员衔接人工智能生成的漏洞报告与开源维护者,解决这一难题。
参与项目的研究员会完成漏洞验证、剔除重复报告、确认可利用性、生成补丁并协调修复工作,最后再交由维护者审核提交内容。
据报道,已有超 30 个开源项目承诺加入该倡议,包括 cURL、Go 、Python、Sigstore、pyca /cryptography等重大项目。
早期试点工作已在参与项目中发现数百个安全问题,推动数十项安全修复方案合并上线。
6. 各国政府聚焦人工智能与关键基础设施保护
OpenAI 的公告也凸显了人工智能开发商与政府网络安全机构日益深化的合作。
该公司表示,已与美国网络安全主管部门、科学技术政策办公室、人工智能标准与创新中心等美国网络安全机构保持沟通。
国际合作范围已拓展至澳大利亚、加拿大、法国、德国、日本、韩国、欧盟机构与英国。
合作重点聚焦于保护关键基础设施领域,包括能源、电信、交通、医疗、水务、金融服务与政府网络。
网络安全官员多次警告,人工智能最终将为防御者与攻击者提供前所未有的技术能力。
政策制定者面临的核心挑战是:在普及先进防御能力的同时,严防高级威胁分子滥用技术。
7. 迈向自动化网络防御
破晓计划升级的深远意义,远超单一产品发布本身。
网络安全行业正迈入全新时代:人工智能系统不仅能发现漏洞,还能生成补丁、验证修复效果、协调修复流程,并在软件全生命周期中持续保障安全。
若破晓等计划取得成功,将从根本上改变机构的软件安全防护模式,让网络安全从被动应对,转向自动化、持续修复、机器级速度防御的全新形态。
对 OpenAI 而言,该计划是一场战略押注:网络安全的未来,不在于谁能发现最多漏洞,而在于谁能最快修复漏洞。
随着人工智能持续重塑网络安全格局,竞争不再仅仅是抢先对手发现弱点,更核心的挑战是在弱点被利用前完成修复。
https://www.linkedin.com/pulse/openai-expands-daybreak-initiative-accelerate-ai-powered-kt7ze/
(完)
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。









评论