The Defender's Window（防禦者之窗）：資安主題演講（第 3/4 段）

🧑‍🏫 這段是 OpenAI 資安主題演講的實機示範：用 Codex Security 掃描一個真實的開源專案，從找到漏洞、驗證、產生修正，一直做到開工單、通知工程師、合併修改。最後也說明公司有上萬個專案時，怎麼把這套流程自動化。想知道 AI 實際上怎麼幫資安團隊做事，這段很具體。

• 23:48 本段示範透過本機 plugin 使用 Codex Security 的實務流程，也會提到 Daybreak、plugin 與 CLI，說明資安工程師從頭到尾的使用方式
  ↳ 這段是實機操作：資安工程師怎麼用 Codex Security（Codex 裡專門找漏洞、修漏洞的功能），從掃描一路做到修補。plugin 是在自己電腦上用的介面，CLI 是打指令操作的版本。
• 24:23 示範環境是 Codex 桌面版 app，並在本機下載 Ladybird。Ladybird 是 GitHub 上熱門的 pre-alpha 開源瀏覽器
  ↳ 示範用的是 Codex 桌面 app，對象是 Ladybird。它是 GitHub（存放程式碼的平台）上很熱門的開源瀏覽器，目前還在 pre-alpha 階段，比測試版更早，功能都還沒定型。
• 24:23 Ladybird 同意讓團隊拿來 demo，目前也透過 Patch the Planet 合作強化這個專案的安全性
  ↳ 公開拿別人的專案找漏洞，要先取得同意。Ladybird 同意了，雙方也透過 Patch the Planet 這個合作計畫，一起補強這個瀏覽器的安全性。
• 24:54 Codex 的 security 區塊一開始是空的。示範情境是第一次替自己擁有的 repo 建立掃描
  ↳ 一開始 security 區塊是空的，等於從零開始。示範情境是第一次替自己負責的 repo（一個專案的程式碼倉庫）設定掃描。
• 24:54 掃描設定有兩個選項：評估整個 code base，或只看變更（PR、尚未 commit 的變更，或特定 revision）
  ↳ 可以掃整個 code base（全部程式碼），也可以只看改動：一個 PR（請人審核後併入的修改）、還沒 commit（正式存檔）的改動，或某個 revision（特定版本）。
• 24:54 第一次建立 repo 時通常先跑 full scan，用來找出現有資安工具可能漏掉的新漏洞
  ↳ 第一次接手某個 repo，通常先做 full scan，把全部程式看過一遍。目的是抓出公司現有資安工具可能沒發現的新問題，先把底打好。
• 25:28 初次掃描建議把 reasoning 設為 high 或 extra high，並盡量使用最前沿的模型，例如 Sol 或 Astra
  ↳ reasoning 是模型思考的深度，設得越高想得越細，也花越久。初次掃描值得多花時間，建議設成 high 或 extra high，並用最前沿的模型，例如 Sol 或 Astra。
• 26:00 講者最想強調的是 context。reasoning model 和現有資安工具的差別，在於能替掃描器與模型提供 context，讓它知道在你的環境裡該找什麼
  ↳ 講者最在意的是 context（背景資訊）。傳統工具照固定規則找問題；會推理的模型能吸收你的環境資訊，知道在你們公司什麼才算問題、該往哪裡找。
• 26:00 示範中提供了三類 context：attack vectors、模型要聚焦的區域，以及額外的安全 context
  ↳ 示範時給了三種背景資訊：attack vectors（攻擊者可能從哪裡進來）、希望模型特別盯著的程式區域，以及其他跟安全有關的補充。
• 26:30 可以把這些想成要讓模型知道的企業 context，例如 compensating controls、Authn、Authz、business logic，甚至你們怎麼定義 fraud，都能在掃描時提供
  ↳ 可以告訴模型這些事：compensating controls（替代的保護措施）、Authn（驗證身分）、Authz（權限控管）、business logic（業務規則），甚至你們怎麼定義詐騙。
• 26:30 full scan 在底層會先為 repo 建立 threat model
  ↳ full scan 開始找漏洞前，會先替 repo 建 threat model，也就是先整理誰可能攻擊、會從哪裡下手、什麼最值得保護，再照這張地圖去找。
• 27:02 這次掃描共檢視 28,000 個檔案。流程是產生 threat model，接著找出候選漏洞並逐一驗證，最後產出報告
  ↳ 這次掃了 28,000 個檔案。步驟是先做 threat model，再列出 candidate vulnerabilities（疑似漏洞），一個個驗證是不是真的，最後整理成報告。
• 27:02 報告中的範例是 shared JavaScript bytecode cache 漏洞，內容包含摘要，以及依 Codex 判定為有漏洞的檔案整理出的完整攻擊路徑
  ↳ 報告的例子是瀏覽器共用的 JavaScript 程式快取出了問題。報告有摘要，也會依被判定有漏洞的檔案整理出 attack path，說明攻擊者怎麼一步步造成傷害。
• 27:02 Codex 會在原始碼中驗證漏洞，從「可能是漏洞」確認到「我們認為是 true positive」
  ↳ 疑似漏洞不會直接丟給你。Codex 會回原始碼確認，從「可能有問題」驗證到「我們認為是 true positive」，也就是確實是漏洞，不是誤報。
• 27:33 報告會標示影響程度。此例為 high impact、high likelihood，而這些結果取決於你提供的 context（包括掃描時加入的 context 或其他檔案）
  ↳ 每個漏洞都會標出影響多大、多容易被利用，這個例子兩項都高。不過這個判斷會隨你給的背景資訊而變，同一段程式放在不同公司，風險可能不一樣。
• 27:33 目標不只是列出一堆漏洞，而是修補漏洞、實際降低風險，所以下一步是產生 patch
  ↳ 列出一長串漏洞，系統並不會因此變安全，真正的目的是把洞補起來、降低風險。所以找到漏洞之後，下一步就是產生 patch（修正用的程式碼）。
• 28:04 Codex Security 是軟體開發 agent 的延伸，會運用模型的軟體工程能力，判斷漏洞是什麼，也判斷怎樣的 patch 才有效
  ↳ Codex Security 建立在會寫程式的 agent（能自己動手完成任務的 AI 助手）上。它看得懂漏洞是什麼，也懂寫程式，能判斷怎麼改才真的修得好。
• 28:37 產生 patch 時，底層會呼叫 fixed finding skill。這個 skill 同時存在於 plugin 和 CLI 中
  ↳ 產生 patch 時，背後其實是呼叫一個叫 fixed finding 的 skill（一套打包好的做事步驟）。plugin 和 CLI 裡都有這個 skill，用哪一種都一樣。
• 28:37 產生的 patch 可以先審查受影響的程式碼，再套用到本機 repo，最後驗證修補結果，確認漏洞已經消失
  ↳ 修正不會直接硬改。你先看它動了哪些程式，覺得可以再套用到自己電腦上的 repo，最後重新驗證，確認漏洞真的消失了。
• 29:09 要讓掃描更貼近需求，可以使用 security.md 檔案。它本質上就像資安版的 agents.md，在 repo 層級說明你最在意什麼
  ↳ 想讓掃描更貼合需求，可以在 repo 放一份 security.md。它類似 agents.md（寫給 AI 助手看的專案說明檔），只是專講資安，告訴 AI 你最在意什麼。
• 29:09 security.md 可以呼叫一個 skill 輕鬆產生，也可以自己撰寫
  ↳ 這份檔案不用從零寫，可以叫一個 skill 自動產生，也可以自己動手寫。
• 29:39 security.md 讓 agent 在掃描時知道你認為最重要的事項、可能的威脅攻擊，以及你如何看待 trust boundaries 或 business logic
  ↳ 有了這份檔案，agent 掃描時就知道你最重視什麼、可能遇到哪些攻擊，也知道你怎麼看 trust boundaries（從哪裡開始的資料不能直接信任）和業務規則。
• 29:39 講者說，透過提供 context 給 agent，是重新定義資安工作的核心要素
  ↳ 講者認為資安工作的重心正在改變：不只是跑工具，而是把你對系統的了解交給 agent，讓它照你的標準做事。
• 29:39 審查完 security.md 後把它 commit 進 repo，之後的掃描都能沿用
  ↳ security.md 檢查過沒問題，就 commit 存進 repo。之後每次掃描都會自動參考，不用每次重講一遍。
• 30:11 要在更大規模修補漏洞並串接既有工具，就要利用 Codex 的可擴充性
  ↳ 一兩個漏洞手動修還應付得來。要大量處理、又要接上公司原本在用的工具，就得靠 Codex 可以擴充、可以串接其他系統的能力。
• 30:11 做法是請 Codex 讀取掃描結果，用 subagents 針對各個 finding 產生 patch 並分組，接著開 Jira ticket、開 PR 供審查，並在 Slack 通知相關工程師
  ↳ 做法是請 Codex 讀掃描結果，派 subagents（分頭做事的子助手）各自修補並分組，接著開 Jira（工作追蹤系統）工單、開 PR 等人審，再用 Slack 通知負責的工程師。
• 30:41 組織裡常常是一個人負責掃描、另一個人負責修補。延伸的工作流程可以協助跨人員溝通，把事情做完
  ↳ 公司裡常是資安人員掃出問題，另一組工程師負責修，中間很容易卡住。這套流程幫忙把資訊交到對的人手上，讓事情真的被處理完。
• 31:12 每個 subagent 都跑同樣的流程：看程式碼、找出漏洞、產生 patch，再進行驗證
  ↳ 每個子助手做的事都一樣：讀程式碼、找出漏洞、寫修正、驗證修正有效。等於把剛才一個人的流程，複製給很多人同時做。
• 31:43 結果是 Jira ticket 和 GitHub PR 都已開好，相關人員也收到通知，得知有一個來自 Codex Security 掃描 finding 的 ticket 待審
  ↳ 跑完之後，Jira 工單和 GitHub 上的 PR 都開好了，相關的人也收到通知：有一張來自 Codex Security 掃描結果的工單等你處理。
• 31:43 ticket 會附上 Codex 產生的 draft PR，工程師可以在裡面查看受影響的程式碼與建議修正
  ↳ 工單會附上 Codex 準備好的 draft PR（還在草稿階段、尚未正式送審的修改）。工程師點進去，就能看到哪段程式有問題、建議怎麼改。
• 32:16 可以驗證修正是否有效、有沒有下游影響，也能依自己的 CI pipeline 調整，確保沒有 breaking changes、所有檢查都通過，讓工程師專心看程式碼
  ↳ 工程師可以確認修正有效、沒有波及其他地方，也能配合自己的 CI pipeline（改程式後自動跑的檢查流程）調整，確保沒有 breaking changes（弄壞原有功能的改動）、檢查全部通過。
• 32:16 審查沒問題後標記 ready for review，確認 looks good to me，就可以 merge 這個 PR
  ↳ 看過覺得沒問題，就改成正式送審。審核者回一句「looks good to me」（看起來沒問題），這個修改就能 merge，正式併進專案。
• 32:47 講者過去 6 個月見了約 1,000 位客戶，關鍵問題是規模：一個 repo、七個漏洞很好處理，但如果有 10,000 個 repo 該怎麼辦
  ↳ 講者半年內見了約 1,000 家客戶，大家最卡的是規模。一個專案七個漏洞，手動處理很輕鬆；公司有 10,000 個專案時，不可能一個個去點。
• 33:18 規模化的解法是 CLI 與 SDK。plugin 裡的是可組合的 skills，是和許多團隊會談、觀察他們的工作流程後開發出來的
  ↳ 解法是 CLI 和 SDK（讓工程師把功能接進自家程式的工具包）。plugin 裡那些可以自由組合的 skills，是團隊跟很多團隊聊過、看過他們實際怎麼工作後才做出來的。
• 33:18 團隊把這些 skills 的本機體驗從 Codex Security plugin 搬進 CLI，讓測試可以用程式化方式進行
  ↳ 原本在 plugin 裡、要在自己電腦上點來點去的功能，團隊把它搬進 CLI。這樣就能寫成指令自動執行，不必靠人手操作。
• 33:18 CLI 可以執行 bulk scan，並設定要啟動多少個 workers
  ↳ CLI 可以做 bulk scan，一次掃一大批專案，還能設定要開幾個 workers（同時工作的執行單位）。開得越多，能同時處理的專案就越多。
• 33:49 可以傳入 repositories.csv，裡面列出多個 GitHub 或其他 SCM 的 repo，再啟動掃描，從本機互動式體驗轉為程式化擴展
  ↳ 準備一份 repositories.csv 清單，列出 GitHub 或其他 SCM（程式碼管理平台）上的專案，就能一次開掃。這樣就從一個人互動操作，變成程式自動大量處理。
• 33:49 CLI 也能放進 CI 使用，例如檢查 repo 是否有易受攻擊的元件、dependency 版本升級是否帶來漏洞，或在有人開 PR 時讓 CI check 失敗
  ↳ CLI 也能放進 CI 自動檢查：查專案有沒有用到有漏洞的元件、升級 dependency（專案依賴的外部套件）時有沒有帶進漏洞，或在有人開 PR 時讓檢查不通過。
• 34:21 講者表示這些全部是開源的，並希望與各公司及更廣泛的生態系合作，加速資安工作
  ↳ 講者說這些都是開源的，程式碼公開，大家都能用也能改。她希望跟各家公司和整個社群合作，讓資安工作做得更快。
• 34:53 下一位講者 Lou 是 OpenAI 資安領域的 Field CTO，他感謝 Vanessa 後，開始介紹 OpenAI 內部建立 Defense Factory 的做法與細節
  ↳ 接著換 Lou 上台，他是 OpenAI 資安領域的 Field CTO（直接面對客戶的技術主管）。他謝過 Vanessa 後，開始介紹 OpenAI 內部怎麼打造 Defense Factory。
• 35:23 Lou 預告結尾會簡短提到產品消息，並說下週有 DevDay，接下來幾週也會陸續發布更多資安相關消息
  ↳ Lou 預告結尾會簡單講產品消息，並提到下週有 DevDay 活動，接下來幾週也會陸續公布更多資安相關消息。

講者說 security.md 檔案本質上像是哪一種檔案的資安版？