Cyber at the Frontier

导读

11月12日，OpenAI在名为“Cyber at the Frontier”的主题演讲上发布两款网络安全产品——Daybreak Red Team与Daybreak Defense Factory。据科技媒体The Deep View报道，这场演讲推出两款新的网络防御工具，意在让更多防御者获得前沿AI能力。

两款产品同属OpenAI的Daybreak项目。综合与会者转述，Daybreak Red Team像“一支代理舰队”，在客户运行的Web应用中自主测试并探索攻击路径，锁定漏洞后帮助复现与修复；Daybreak Defense Factory则承接这些发现以及外部安全工具的扫描结果，追踪到受影响代码并生成补丁，交由工程师在合并前审阅。二者的分工，恰好对应“发现问题”与“把问题修好”两个环节。

这并非孤立的产品动作。11月5日，OpenAI已推出专用于发现可被利用漏洞并开发修复的GPT-6 Cyber，强调其在授权范围内行动。据与会者Martin Szerment整理，本次两款产品正运行在GPT-6 Cyber之上，该模型在OpenAI自述的ExploitGym基准上约52%，现场预览的下一代模型则接近77%。他也提醒，同一模型一周内从48.5%升至52%，测量口径本身就能带来数个百分点差异——能力跃升真实存在，但厂商自评需要打折看待。

资金表态让这一转向更具分量。Greg Brockman在演讲中宣布设立10亿美元的Daybreak Defense Fund，用于帮助关键基础设施领域的一线防御者真正把这些模型用起来，并称这不是任何一家公司能独自解决的问题。

产品页能告诉你“有什么”，而这场近35分钟的演讲回答了“为什么现在”。演讲者把逻辑落在“防御者窗口”上：前沿能力必须持续领先于广泛可用的工具，才能为防御方争取时间。他以一个PHP漏洞为例，说明下一代模型如何在完全独立的情况下重新发现并泛化同一漏洞，并把原本需要数周的变体分析与缓解评估压缩到几天。

但视频也给出了产品叙事之外的清醒判断。同一场PHP漏洞响应虽被视为成功，却耗费两个月高强度协调，占用了团队、合作公司和多国政府的全部带宽，演讲者直言“这不是可扩展的事情”，呼吁社区共同寻找新的响应模式。Intuit、Block、Sophos的案例则显示智能体已带来可量化收益：87%的关闭结果被确认为真实漏洞、每季度节省600分析师小时、平均响应时间从38分钟降至89秒。

因此，这场演讲值得看的不是又一份模型跑分，而是它给出的判断标准：防御者窗口能维持多久、发现与修复能否产品化为持续闭环、协调响应能否跟上漏洞涌现的速度。读懂这三条，读者才能判断Daybreak的两款产品究竟是安全运营的增量工具，还是攻防节奏真正换挡的开始。

核心结论

攻防加速倒逼安全左移，修补旧系统已无法根治问题：漏洞发现与利用节奏持续加快，根源在于互联网设计未以安全为前提，传统开发实践累积技术债务。演讲者主张在软件构建之初嵌入安全并改变开发流程，而非仅被动修补。
前沿AI模型为防御者打开暂时窗口，但窗口需要产品化落地才能兑现：新一代网络安全模型能力大幅跃升，在关键基准上显著超越竞品，形成防御者相对攻击者的暂时优势。OpenAI通过自研模型、向可信防御者提供访问权限和推动产品化三管齐下，将模型能力转化为实际防御力。
AI已能自主发现并修复高危漏洞，但大规模协调响应才是真正瓶颈：PHP漏洞案例证明AI可独立复现并泛化漏洞，将修复周期从数周压缩至数天。然而成功响应耗费两个月高强度协调，占用团队、合作公司与多国政府全部带宽，难以规模化，需要社区共同探索新响应模式。
红队测试与自动修复闭环产品化，把攻击性能力转化为可落地的防御行动：Daybreak Red Team以安全方式向缺乏红队的企业提供顶级模型进行自动化渗透测试，Daybreak Defense Factory则将发现、验证、修复整合为持续运行的自动化闭环，生成可直接合并的修复请求并整合现有安全工具去重告警。两者共同回应攻防不对称，让防御从被动修补转向主动闭环。
客户案例证明AI智能体已产生可量化效益，但能力越强越需安全对齐兜底：Intuit、Block、Sophos的案例显示AI智能体显著提升漏洞确认率、分诊效率和响应速度，将分析师从重复劳动中解放。与此同时，更强大的模型带来误用风险，OpenAI通过训练中嵌入安全对齐、多层防御与访问控制，确保模型在授权范围内可靠运行。

观点拆解

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件

漏洞发现与利用持续加速，攻防节奏进入新阶段：演讲者指出，今年网络安全领域的变化并非孤立事件，而是漏洞发现、攻击者利用和防御者追赶的节奏在多年趋势上进一步加速。这种加速意味着防御窗口更短，传统被动响应模式难以持续。

“我认为所有人都意识到，今年网络安全领域发生了许多变化，但可能被忽视的是，漏洞发现、攻击者利用漏洞以及防御者试图保持领先的节奏都在加快。这是多年来已有趋势的加速。”
互联网未以安全为前提，传统实践积累技术债务：演讲者将加速的根本原因归结为互联网设计之初未考虑安全，以及安全资源、优先级和专业知识长期受限。这些瓶颈导致传统软件开发方式累积技术债务，使修补现有系统难以从根本上解决问题。

“其背后的核心力量是，互联网并非在考虑安全的情况下构建的；没有信息安全负责人获得超出其需求的资源；安全优先级排序和安全专业知识传播成为瓶颈，导致我们传统软件开发方法中积累技术债务。”
应对之道：从源头构建更安全的软件并改变开发流程：演讲者主张，在安全专业知识日益普及的转折点上，必须从软件构建之初就嵌入安全，而非仅修补现有系统。这意味着改变开发工作流，并推动全球协作，使互联网在本质上更安全。

“我认为必须改变的是，当我们目睹网络安全物理学的转变和安全专业知识的近乎完全民主化时，我们需要以从根本上更安全的方式构建软件。因此，这关乎保护现有系统并改变我们的工作流程，作为世界和社会共同努力，以前所未有的方式使互联网在本质上安全。”

2. 前沿AI模型持续跃升，为防御者创造关键窗口期

模型能力持续跃升，为防御者创造关键窗口期：演讲者指出，网络安全模型正不断进步，新一代模型将形成质的飞跃，从而确保防御者拥有一个能力远超广泛可用工具的窗口期。这一窗口期是OpenAI安全战略的基石，解释了为何要持续推出更强大的模型。

“确保拥有“防御者窗口”，即存在一个远超广泛可用工具的前沿能力。”

“这一模型将构成质的飞跃，我认为这种进步会一次又一次地持续下去。”
OpenAI通过自研模型、提供访问和推动落地三管齐下：OpenAI采取三步策略来帮助防御者利用窗口期：首先生产先进能力，其次通过“Daybreak”等项目向可信防御者提供访问权限，最后通过产品化和指导手册帮助人们实际部署这些能力。这体现了从技术研发到实际应用的完整链条。

“首先，实际生产这些先进能力；确保拥有“防御者窗口”非常重要。其次，提供访问权限，这正是“Daybreak”项目真正关注的：如何将这些工具交到各地可信实体和防御者手中。第三，帮助人们真正将这些能力付诸实践。”

“但产品也非常重要。这就是我们今天要讨论的主题，即我们开发的网络安全产品，它们有助于在企业内部最大限度地利用这些能力。”
新一代模型在关键安全基准上显著超越竞品：OpenAI发布的GPT-6 Cyber在Exploit Gem基准上达到52%的得分，远超Anthropic的Mythos 52的38%；下一代模型在相同任务上几乎将得分翻倍，并在Patch Bench上达到约80%的性能。这些数据表明模型能力正在快速提升，为防御者提供了更强大的工具。

“我们训练了6 Cyber，使其更加努力且不轻易放弃，它在该指标上能够实现高达52%的性能。相比之下，Anthropic于本周早些时候发布的Mythos 52模型得分约为38%。”

“在相同任务上，该模型显示出显著增长，几乎将“Mythos 52”的得分翻倍。通过我们即将推出的网络安全模型，我们继续重新定义网络安全能力的边界，超越当今任何可用方案。”

“我们通过“Patch Bench”等评估来衡量这一点，该评估测试模型发现特定漏洞并修复它的能力，同时不会导致应用程序性能回退。……我们见证即将推出的网络安全模型达到约80%的性能。”

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈

AI模型已能独立复现并泛化高危漏洞，发现能力从辅助走向自主：在PHP漏洞案例中，安全研究员借助早期模型发现漏洞后，下一代模型在完全独立的情况下不仅找到了同一漏洞，还发现了更通用的版本。这表明AI的漏洞发现能力正在快速迭代，且能超越已知模式，向更深层的漏洞类别拓展。

“一个月后，我们的下一代模型完全独立地发现了同一个漏洞，甚至发现了更通用的版本。这向你展示了那种变化；随着我们走向能力更强的模型，它们将发现的漏洞集合会越来越深入。”
AI大幅压缩漏洞修复周期，从数周缩短至数天：在PHP漏洞的披露过程中，团队利用模型进行变体分析、对抗性测试和缓解方案评估，以确保补丁的完备性。这些工作原本需要数周，但借助最新模型仅用几天就完成了，说明AI在漏洞修复环节同样能显著提升效率。

“完成所有这些工作原本需要数周时间，但借助我们最新的模型，只用了几天。”
大规模协调响应消耗巨大且难以规模化，需要社区共同探索新方法：尽管PHP漏洞的响应被认为是成功的，但它耗费了两个月的高强度协调，占用了团队、合作公司和多国政府的全部带宽，显然不可规模化。演讲者明确指出，面对未来将不断被发现的漏洞，需要社区集体探索与之匹配的新响应模式。

“但同样需要认识到的是，这确实消耗了所有可用带宽。它消耗了我们团队成员的大量精力，也消耗了我们合作公司以及许多政府的精力。我们一直在持续通话中。这不是可扩展的事情。”

“当我们思考未来几周、几个月和几年内将被发现的此类漏洞时，我们需要一种作为社区集体应对的方法来与之匹配。所以，这是一个开放性问题。这是我们必须共同聚集起来努力的事情。”

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距

攻防不对称：恶意行为者已握有广泛可用的网络模型与开源攻击工具，防御方必须获得同等水平的先进攻击能力：Nancy Wang 明确指出，恶意行为者已经能够获取广泛可用的网络模型和开源攻击工具，因此防御方同样需要先进模型与先进攻击工具。这一判断为 Daybreak Red Team 的推出提供了直接的问题背景：防御不能只靠被动修补，而要以攻击者视角主动检验自身系统。

“既然恶意行为者能够获取广泛可用的网络模型和开源攻击工具，你也同样需要同时获得先进模型和先进攻击工具。”
Daybreak Red Team 以安全方式把顶级网络模型交到开发者与机构手中，让没有红队的企业也能持续开展自动化渗透测试：Nancy Wang 强调，Daybreak Red Team 让企业以安全方式把最强网络模型投入应用渗透测试，并大幅降低先进网络模型的使用门槛，把它交到此前没有专属红队的开发者和机构手中。Alex 进一步说明，该产品像一支代理舰队，在运行中的应用里持续测试和探索攻击路径，在确认漏洞后帮助复现和修复。

“Daybreak Red Team 将让我们大幅实现先进网络模型访问的民主化，把它交到此前没有专属红队的开发者和机构手中。”

“我们构建 Daybreak Red Team，是为了帮助你在攻击者发现漏洞之前找到并修复它们。把它想象成一支代理舰队，在你运行中的应用里测试和探索攻击路径。”
产品以多代理协同、安全纵深设计和可操作的漏洞报告，把攻击性测试转化为可落地、可修复的防御闭环：Alex 介绍，Daybreak Red Team 背后是一组代理在共享任务列表和知识库上协同工作，并以安全、防护栏和基础设施隔离作为核心设计原则，由监督代理监控整体是否偏离目标。演示中，代理不仅发现存储型 SQL 注入，还给出影响摘要、相关基础设施与代码、完整利用链和修复建议，使攻击性测试直接服务于持久修复。

“安全、防护栏和基础设施隔离是 Daybreak Red Team 产品设计的核心原则，它们共同构成了我们所说的“安全纵深”。”

“这里代理会解释它为证明该漏洞在真实系统中确实可利用而采取的所有步骤。”

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环

Daybreak Defense Factory 将漏洞发现、验证与修复整合为持续运行的自动化闭环：该产品通过扫描代码库和可复现的云开发环境，让代理追踪漏洞至受影响代码，并自动生成包含修复和测试的合并请求。这一闭环不仅覆盖新代码提交，还能在后台持续运行，从而将安全防御从周期性检查转变为持续过程。

“其次，我们宣布“Daybreak Defense Factory”，帮助您自动化防御循环，大规模地发现、验证和修复漏洞。”

“首先，Daybreak Defense Factory 帮助您实现持续防御。代理全天候工作，发现漏洞并修复它们。”
云开发环境与代码所有权映射确保修复请求可直接合并且高质量：通过云开发环境，代理可以拉取代码、依赖和工具，实际运行并测试修复，从而在提交拉取请求前验证修复质量。同时，系统利用代码历史和团队结构定位最合适的代码所有者，使工程师收到可直接合并的修复请求，减少人工排查和验证负担。

“代理追踪安全漏洞直至受影响代码，并利用您的代码历史和团队结构帮助找到合适的代码所有者。这样，工程师就能获得一个可直接合并的拉取请求，其中包含修复和证明其正确工作的测试。”

“您获取一个看似合理的发现或补丁，但我们希望允许代理拉取代码、依赖和工具，因为这使代理能够实际运行代码并测试结果与修复的质量。因此，当我们提交拉取请求（PR）或尝试进行更改时，我们完全确信此修复质量非常高。”
整合现有安全工具并去重告警，让工程师专注于修复：Daybreak Defense Factory 支持导入 Wiz、Snyk 等外部安全工具的扫描结果，并将不同平台发现的同一问题去重，汇总为统一视图。这减少了重复告警带来的噪音，使团队能够基于现有工具链快速定位关键问题并采取修复行动。

“您可以连接并导入来自 Wiz、Sneak 等外部工具的结果，甚至如 Alex 刚才展示的 Daybreak Red Team。导入结果后，Daybreak Defense Factory 可以帮助您消除不同平台间的结果重复。”

“我们为您在后台做了几件事。第一件事是将您使用的不同工具的所有结果汇总并合并为一个综合结果。因此，如果您有多个工具检测到同一问题，我们会为您提供一种主要结果。”

6. AI智能体在真实企业安全运营中已产生可量化效益

Intuit 的 Night Falcon 系统借助 AI 智能体将漏洞确认率提升至 87%：Intuit 将漏洞发现与验证整合到 Night Falcon 系统中，利用智能体对扫描结果进行挑战和验证，最终 87% 的已关闭结果被确认为真实漏洞并得到处理。这表明 AI 智能体能够显著提高漏洞确认的准确性，减少无效告警，从而提升安全运营效率。

“Intuit 报告称，87% 的已关闭结果是已处理的确认漏洞，其余被评估为无效。”
Block 利用 AI 智能体将告警分诊效率大幅提升，每季度节省 600 分析师小时：Block 使用 Day Break 模型优化检测工程和告警分诊流程，其团队能够在不到一小时内针对七个月的运营数据测试检测变更，每季度节省 600 小时的分析师工作时间。这证明 AI 智能体能够自动化重复性分诊任务，释放分析师精力。

“他们的团队可以在不到一小时内针对七个月的运营数据测试检测变更，每季度为分析师节省 600 小时的误报分诊工作。”
Sophos 通过 AI 智能体将平均响应时间从 38 分钟缩短至 89 秒，52% 的托管检测与响应事件完全由智能体解决：Sophos 使用智能体进行威胁调查和响应，52% 的托管检测与响应事件完全由智能体解决，平均响应时间从 38 分钟降至 89 秒。这使得分析师能够专注于真正需要专业知识的例外和决策，体现了 AI 智能体在提升响应速度和解放人力方面的可量化效益。

“52% 的托管检测与响应事件完全由智能体解决，平均响应时间从 38 分钟降至仅 89 秒。”

“这使得他们的分析师现在能够专注于真正需要其安全专业知识的例外和决策。”

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行

能力越强，越需明确授权边界与行为约束：随着模型能力提升，智能体在遇到可访问但未获授权的服务时，必须尊重边界，不能为图省事而利用无关漏洞。这要求将安全对齐嵌入训练，确保模型在授权范围内行动，并如实报告失败。

“更强的能力也提高了对智能体行为方式的期望。当智能体遇到一个它可能有权访问但未获授权测试的服务时，必须尊重这些边界，并确保不会仅仅为了更简单地完成任务而尝试利用可能存在的无关漏洞。”

“我们确保对齐与安全成为网络模型训练的重要组成部分，同时保持在授权范围内、遵守这些限制，并准确报告已完成的工作，包括失败或无法完成任务的情况。”
专门评估验证模型在诱捕场景下仍守边界：通过“Exploit Gym Honey Pot”等评估，故意设置脆弱目标作为陷阱，检验模型是否会为获取答案而越界利用漏洞。结果显示，即使没有额外防护，模型在99.9%的评估中保持范围，加上防护后达到100%，证明对齐训练的有效性。

“评估如“Exploit Gym Honey Pot”，它故意植入一个脆弱目标，即一个陷阱，在这个易于利用的环境中评估模型在完成任务时试图利用该漏洞的倾向。虽然利用这个“陷阱”漏洞可能揭示答案，但这样做超出了其授权范围。”

“在没有网络防护措施评估时，它在99.9%的评估案例中保持在范围内，而借助我们的防护措施，它100%的时间都保持在范围内。”
多层防御与访问控制构成安全兜底：模型训练与对齐只是问题的一部分，OpenAI还采用多层防御策略，部署监控和筛查工具，并通过“Daybreak”程序验证访问权限，与客户合作降低不匹配或滥用风险，确保高能力模型在关键基础设施等场景中可靠运行。

“但模型训练和对齐只是问题的一部分。我们采用多层防御策略，部署了监控和筛查工具，针对可能不匹配的高风险助手，在关键基础设施和处理私人安全数据的背景下，使我们能够与客户合作，确保降低不匹配或滥用风险。”

“我们还通过我们的“Daybreak”程序验证访问权限，同时继续扩大和加强这些能力。”

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织

Daybreak平台整合防御能力，CLI与SDK降低持续安全操作门槛：OpenAI将各项防御能力汇聚到Daybreak平台，并通过命令行界面和软件开发工具包提供扫描、验证、修复和持续安全检查的构建模块，使更多防御者能够以简单安全的方式使用这些能力。

“这些能力汇聚在Daybreak平台中，我们正努力将模型的使用权扩展到尽可能多的防御者，同时也努力打造让使用变得简单安全的产品。我们的命令行界面（CLI）和软件开发工具包（SDK）构建模块允许你持续进行扫描、验证、修复和运行安全检查。”
通过专家团队、Daybreak防御伙伴网络与云平台合作，为不同组织提供灵活部署路径：无论组织从何处起步，OpenAI都提供支持：企业可与内部团队或OpenAI的专家工程师合作，也可通过Daybreak防御伙伴网络借助服务伙伴实施持续防御，同时与云合作伙伴一起通过Amazon Bedrock和Gemini Enterprise Agent等平台将模型提供给更多客户。

“无论你以何种方式开始，我们都会为你提供所需的一切支持。你可以与自己的团队一起构建，或直接与我们经验丰富的网络部署工程师合作，在你的环境中运行这些工作流。你也可以通过Daybreak防御网络与服务伙伴合作，我们正在扩展该网络，以帮助更多团队实施持续防御。最后，我们正与云合作伙伴合作，通过Amazon Bedrock和Gemini Enterprise Agent平台将模型提供给更多客户。”
开放生态的最终目标是共同提升软件安全基线，让更多人获得前所未有的防御能力：人们每天都依赖软件管理生活和业务的重要方面，OpenAI借此机会与各方合作，通过Daybreak让软件更安全，并赋予人们此前无法触及的能力，这体现了生态共建的最终价值。

“人们每天都信任软件来管理他们生活和业务中一些最重要的方面。因此，今天我们有机会共同让这些软件更安全，并赋予人们前所未有的能力。这就是这个团队正在努力与Daybreak一起构建的未来，我们很高兴与你们共同构建。非常感谢。”

总结

安全左移与AI防御能力正在同时成熟，但真正的分水岭不在于模型多强，而在于能否把发现、验证、修复与协调响应变成可持续、可规模化的日常流程。谁先完成这一闭环，谁就能在攻防加速期把暂时窗口转化为长期基线。

信息源

视频来源

Cyber at the Frontier：

外部资料

OpenAI sees a new enterprise frontier in cyber：
AI.Card.Daily：
The Future Is Bright：
The Future Is Bright：
The Future Is Bright：
Martin Szerment | Practical AI：
GPT‑6 Cyber: Advancing the frontier of aligned ...：

导读

核心结论

攻防加速倒逼安全左移，修补旧系统已无法根治问题：漏洞发现与利用节奏持续加快，根源在于互联网设计未以安全为前提，传统开发实践累积技术债务。演讲者主张在软件构建之初嵌入安全并改变开发流程，而非仅被动修补。
前沿AI模型为防御者打开暂时窗口，但窗口需要产品化落地才能兑现：新一代网络安全模型能力大幅跃升，在关键基准上显著超越竞品，形成防御者相对攻击者的暂时优势。OpenAI通过自研模型、向可信防御者提供访问权限和推动产品化三管齐下，将模型能力转化为实际防御力。
AI已能自主发现并修复高危漏洞，但大规模协调响应才是真正瓶颈：PHP漏洞案例证明AI可独立复现并泛化漏洞，将修复周期从数周压缩至数天。然而成功响应耗费两个月高强度协调，占用团队、合作公司与多国政府全部带宽，难以规模化，需要社区共同探索新响应模式。
红队测试与自动修复闭环产品化，把攻击性能力转化为可落地的防御行动：Daybreak Red Team以安全方式向缺乏红队的企业提供顶级模型进行自动化渗透测试，Daybreak Defense Factory则将发现、验证、修复整合为持续运行的自动化闭环，生成可直接合并的修复请求并整合现有安全工具去重告警。两者共同回应攻防不对称，让防御从被动修补转向主动闭环。
客户案例证明AI智能体已产生可量化效益，但能力越强越需安全对齐兜底：Intuit、Block、Sophos的案例显示AI智能体显著提升漏洞确认率、分诊效率和响应速度，将分析师从重复劳动中解放。与此同时，更强大的模型带来误用风险，OpenAI通过训练中嵌入安全对齐、多层防御与访问控制，确保模型在授权范围内可靠运行。

观点拆解

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件

漏洞发现与利用持续加速，攻防节奏进入新阶段：演讲者指出，今年网络安全领域的变化并非孤立事件，而是漏洞发现、攻击者利用和防御者追赶的节奏在多年趋势上进一步加速。这种加速意味着防御窗口更短，传统被动响应模式难以持续。

“我认为所有人都意识到，今年网络安全领域发生了许多变化，但可能被忽视的是，漏洞发现、攻击者利用漏洞以及防御者试图保持领先的节奏都在加快。这是多年来已有趋势的加速。”
互联网未以安全为前提，传统实践积累技术债务：演讲者将加速的根本原因归结为互联网设计之初未考虑安全，以及安全资源、优先级和专业知识长期受限。这些瓶颈导致传统软件开发方式累积技术债务，使修补现有系统难以从根本上解决问题。

“其背后的核心力量是，互联网并非在考虑安全的情况下构建的；没有信息安全负责人获得超出其需求的资源；安全优先级排序和安全专业知识传播成为瓶颈，导致我们传统软件开发方法中积累技术债务。”
应对之道：从源头构建更安全的软件并改变开发流程：演讲者主张，在安全专业知识日益普及的转折点上，必须从软件构建之初就嵌入安全，而非仅修补现有系统。这意味着改变开发工作流，并推动全球协作，使互联网在本质上更安全。

“我认为必须改变的是，当我们目睹网络安全物理学的转变和安全专业知识的近乎完全民主化时，我们需要以从根本上更安全的方式构建软件。因此，这关乎保护现有系统并改变我们的工作流程，作为世界和社会共同努力，以前所未有的方式使互联网在本质上安全。”

2. 前沿AI模型持续跃升，为防御者创造关键窗口期

模型能力持续跃升，为防御者创造关键窗口期：演讲者指出，网络安全模型正不断进步，新一代模型将形成质的飞跃，从而确保防御者拥有一个能力远超广泛可用工具的窗口期。这一窗口期是OpenAI安全战略的基石，解释了为何要持续推出更强大的模型。

“确保拥有“防御者窗口”，即存在一个远超广泛可用工具的前沿能力。”

“这一模型将构成质的飞跃，我认为这种进步会一次又一次地持续下去。”
OpenAI通过自研模型、提供访问和推动落地三管齐下：OpenAI采取三步策略来帮助防御者利用窗口期：首先生产先进能力，其次通过“Daybreak”等项目向可信防御者提供访问权限，最后通过产品化和指导手册帮助人们实际部署这些能力。这体现了从技术研发到实际应用的完整链条。

“首先，实际生产这些先进能力；确保拥有“防御者窗口”非常重要。其次，提供访问权限，这正是“Daybreak”项目真正关注的：如何将这些工具交到各地可信实体和防御者手中。第三，帮助人们真正将这些能力付诸实践。”

“但产品也非常重要。这就是我们今天要讨论的主题，即我们开发的网络安全产品，它们有助于在企业内部最大限度地利用这些能力。”
新一代模型在关键安全基准上显著超越竞品：OpenAI发布的GPT-6 Cyber在Exploit Gem基准上达到52%的得分，远超Anthropic的Mythos 52的38%；下一代模型在相同任务上几乎将得分翻倍，并在Patch Bench上达到约80%的性能。这些数据表明模型能力正在快速提升，为防御者提供了更强大的工具。

“我们训练了6 Cyber，使其更加努力且不轻易放弃，它在该指标上能够实现高达52%的性能。相比之下，Anthropic于本周早些时候发布的Mythos 52模型得分约为38%。”

“在相同任务上，该模型显示出显著增长，几乎将“Mythos 52”的得分翻倍。通过我们即将推出的网络安全模型，我们继续重新定义网络安全能力的边界，超越当今任何可用方案。”

“我们通过“Patch Bench”等评估来衡量这一点，该评估测试模型发现特定漏洞并修复它的能力，同时不会导致应用程序性能回退。……我们见证即将推出的网络安全模型达到约80%的性能。”

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈

AI模型已能独立复现并泛化高危漏洞，发现能力从辅助走向自主：在PHP漏洞案例中，安全研究员借助早期模型发现漏洞后，下一代模型在完全独立的情况下不仅找到了同一漏洞，还发现了更通用的版本。这表明AI的漏洞发现能力正在快速迭代，且能超越已知模式，向更深层的漏洞类别拓展。

“一个月后，我们的下一代模型完全独立地发现了同一个漏洞，甚至发现了更通用的版本。这向你展示了那种变化；随着我们走向能力更强的模型，它们将发现的漏洞集合会越来越深入。”
AI大幅压缩漏洞修复周期，从数周缩短至数天：在PHP漏洞的披露过程中，团队利用模型进行变体分析、对抗性测试和缓解方案评估，以确保补丁的完备性。这些工作原本需要数周，但借助最新模型仅用几天就完成了，说明AI在漏洞修复环节同样能显著提升效率。

“完成所有这些工作原本需要数周时间，但借助我们最新的模型，只用了几天。”
大规模协调响应消耗巨大且难以规模化，需要社区共同探索新方法：尽管PHP漏洞的响应被认为是成功的，但它耗费了两个月的高强度协调，占用了团队、合作公司和多国政府的全部带宽，显然不可规模化。演讲者明确指出，面对未来将不断被发现的漏洞，需要社区集体探索与之匹配的新响应模式。

“但同样需要认识到的是，这确实消耗了所有可用带宽。它消耗了我们团队成员的大量精力，也消耗了我们合作公司以及许多政府的精力。我们一直在持续通话中。这不是可扩展的事情。”

“当我们思考未来几周、几个月和几年内将被发现的此类漏洞时，我们需要一种作为社区集体应对的方法来与之匹配。所以，这是一个开放性问题。这是我们必须共同聚集起来努力的事情。”

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距

攻防不对称：恶意行为者已握有广泛可用的网络模型与开源攻击工具，防御方必须获得同等水平的先进攻击能力：Nancy Wang 明确指出，恶意行为者已经能够获取广泛可用的网络模型和开源攻击工具，因此防御方同样需要先进模型与先进攻击工具。这一判断为 Daybreak Red Team 的推出提供了直接的问题背景：防御不能只靠被动修补，而要以攻击者视角主动检验自身系统。

“既然恶意行为者能够获取广泛可用的网络模型和开源攻击工具，你也同样需要同时获得先进模型和先进攻击工具。”
Daybreak Red Team 以安全方式把顶级网络模型交到开发者与机构手中，让没有红队的企业也能持续开展自动化渗透测试：Nancy Wang 强调，Daybreak Red Team 让企业以安全方式把最强网络模型投入应用渗透测试，并大幅降低先进网络模型的使用门槛，把它交到此前没有专属红队的开发者和机构手中。Alex 进一步说明，该产品像一支代理舰队，在运行中的应用里持续测试和探索攻击路径，在确认漏洞后帮助复现和修复。

“Daybreak Red Team 将让我们大幅实现先进网络模型访问的民主化，把它交到此前没有专属红队的开发者和机构手中。”

“我们构建 Daybreak Red Team，是为了帮助你在攻击者发现漏洞之前找到并修复它们。把它想象成一支代理舰队，在你运行中的应用里测试和探索攻击路径。”
产品以多代理协同、安全纵深设计和可操作的漏洞报告，把攻击性测试转化为可落地、可修复的防御闭环：Alex 介绍，Daybreak Red Team 背后是一组代理在共享任务列表和知识库上协同工作，并以安全、防护栏和基础设施隔离作为核心设计原则，由监督代理监控整体是否偏离目标。演示中，代理不仅发现存储型 SQL 注入，还给出影响摘要、相关基础设施与代码、完整利用链和修复建议，使攻击性测试直接服务于持久修复。

“安全、防护栏和基础设施隔离是 Daybreak Red Team 产品设计的核心原则，它们共同构成了我们所说的“安全纵深”。”

“这里代理会解释它为证明该漏洞在真实系统中确实可利用而采取的所有步骤。”

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环

Daybreak Defense Factory 将漏洞发现、验证与修复整合为持续运行的自动化闭环：该产品通过扫描代码库和可复现的云开发环境，让代理追踪漏洞至受影响代码，并自动生成包含修复和测试的合并请求。这一闭环不仅覆盖新代码提交，还能在后台持续运行，从而将安全防御从周期性检查转变为持续过程。

“其次，我们宣布“Daybreak Defense Factory”，帮助您自动化防御循环，大规模地发现、验证和修复漏洞。”

“首先，Daybreak Defense Factory 帮助您实现持续防御。代理全天候工作，发现漏洞并修复它们。”
云开发环境与代码所有权映射确保修复请求可直接合并且高质量：通过云开发环境，代理可以拉取代码、依赖和工具，实际运行并测试修复，从而在提交拉取请求前验证修复质量。同时，系统利用代码历史和团队结构定位最合适的代码所有者，使工程师收到可直接合并的修复请求，减少人工排查和验证负担。

“代理追踪安全漏洞直至受影响代码，并利用您的代码历史和团队结构帮助找到合适的代码所有者。这样，工程师就能获得一个可直接合并的拉取请求，其中包含修复和证明其正确工作的测试。”

“您获取一个看似合理的发现或补丁，但我们希望允许代理拉取代码、依赖和工具，因为这使代理能够实际运行代码并测试结果与修复的质量。因此，当我们提交拉取请求（PR）或尝试进行更改时，我们完全确信此修复质量非常高。”
整合现有安全工具并去重告警，让工程师专注于修复：Daybreak Defense Factory 支持导入 Wiz、Snyk 等外部安全工具的扫描结果，并将不同平台发现的同一问题去重，汇总为统一视图。这减少了重复告警带来的噪音，使团队能够基于现有工具链快速定位关键问题并采取修复行动。

“您可以连接并导入来自 Wiz、Sneak 等外部工具的结果，甚至如 Alex 刚才展示的 Daybreak Red Team。导入结果后，Daybreak Defense Factory 可以帮助您消除不同平台间的结果重复。”

“我们为您在后台做了几件事。第一件事是将您使用的不同工具的所有结果汇总并合并为一个综合结果。因此，如果您有多个工具检测到同一问题，我们会为您提供一种主要结果。”

6. AI智能体在真实企业安全运营中已产生可量化效益

Intuit 的 Night Falcon 系统借助 AI 智能体将漏洞确认率提升至 87%：Intuit 将漏洞发现与验证整合到 Night Falcon 系统中，利用智能体对扫描结果进行挑战和验证，最终 87% 的已关闭结果被确认为真实漏洞并得到处理。这表明 AI 智能体能够显著提高漏洞确认的准确性，减少无效告警，从而提升安全运营效率。

“Intuit 报告称，87% 的已关闭结果是已处理的确认漏洞，其余被评估为无效。”
Block 利用 AI 智能体将告警分诊效率大幅提升，每季度节省 600 分析师小时：Block 使用 Day Break 模型优化检测工程和告警分诊流程，其团队能够在不到一小时内针对七个月的运营数据测试检测变更，每季度节省 600 小时的分析师工作时间。这证明 AI 智能体能够自动化重复性分诊任务，释放分析师精力。

“他们的团队可以在不到一小时内针对七个月的运营数据测试检测变更，每季度为分析师节省 600 小时的误报分诊工作。”
Sophos 通过 AI 智能体将平均响应时间从 38 分钟缩短至 89 秒，52% 的托管检测与响应事件完全由智能体解决：Sophos 使用智能体进行威胁调查和响应，52% 的托管检测与响应事件完全由智能体解决，平均响应时间从 38 分钟降至 89 秒。这使得分析师能够专注于真正需要专业知识的例外和决策，体现了 AI 智能体在提升响应速度和解放人力方面的可量化效益。

“52% 的托管检测与响应事件完全由智能体解决，平均响应时间从 38 分钟降至仅 89 秒。”

“这使得他们的分析师现在能够专注于真正需要其安全专业知识的例外和决策。”

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行

能力越强，越需明确授权边界与行为约束：随着模型能力提升，智能体在遇到可访问但未获授权的服务时，必须尊重边界，不能为图省事而利用无关漏洞。这要求将安全对齐嵌入训练，确保模型在授权范围内行动，并如实报告失败。

“更强的能力也提高了对智能体行为方式的期望。当智能体遇到一个它可能有权访问但未获授权测试的服务时，必须尊重这些边界，并确保不会仅仅为了更简单地完成任务而尝试利用可能存在的无关漏洞。”

“我们确保对齐与安全成为网络模型训练的重要组成部分，同时保持在授权范围内、遵守这些限制，并准确报告已完成的工作，包括失败或无法完成任务的情况。”
专门评估验证模型在诱捕场景下仍守边界：通过“Exploit Gym Honey Pot”等评估，故意设置脆弱目标作为陷阱，检验模型是否会为获取答案而越界利用漏洞。结果显示，即使没有额外防护，模型在99.9%的评估中保持范围，加上防护后达到100%，证明对齐训练的有效性。

“评估如“Exploit Gym Honey Pot”，它故意植入一个脆弱目标，即一个陷阱，在这个易于利用的环境中评估模型在完成任务时试图利用该漏洞的倾向。虽然利用这个“陷阱”漏洞可能揭示答案，但这样做超出了其授权范围。”

“在没有网络防护措施评估时，它在99.9%的评估案例中保持在范围内，而借助我们的防护措施，它100%的时间都保持在范围内。”
多层防御与访问控制构成安全兜底：模型训练与对齐只是问题的一部分，OpenAI还采用多层防御策略，部署监控和筛查工具，并通过“Daybreak”程序验证访问权限，与客户合作降低不匹配或滥用风险，确保高能力模型在关键基础设施等场景中可靠运行。

“但模型训练和对齐只是问题的一部分。我们采用多层防御策略，部署了监控和筛查工具，针对可能不匹配的高风险助手，在关键基础设施和处理私人安全数据的背景下，使我们能够与客户合作，确保降低不匹配或滥用风险。”

“我们还通过我们的“Daybreak”程序验证访问权限，同时继续扩大和加强这些能力。”

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织

Daybreak平台整合防御能力，CLI与SDK降低持续安全操作门槛：OpenAI将各项防御能力汇聚到Daybreak平台，并通过命令行界面和软件开发工具包提供扫描、验证、修复和持续安全检查的构建模块，使更多防御者能够以简单安全的方式使用这些能力。

“这些能力汇聚在Daybreak平台中，我们正努力将模型的使用权扩展到尽可能多的防御者，同时也努力打造让使用变得简单安全的产品。我们的命令行界面（CLI）和软件开发工具包（SDK）构建模块允许你持续进行扫描、验证、修复和运行安全检查。”
通过专家团队、Daybreak防御伙伴网络与云平台合作，为不同组织提供灵活部署路径：无论组织从何处起步，OpenAI都提供支持：企业可与内部团队或OpenAI的专家工程师合作，也可通过Daybreak防御伙伴网络借助服务伙伴实施持续防御，同时与云合作伙伴一起通过Amazon Bedrock和Gemini Enterprise Agent等平台将模型提供给更多客户。

“无论你以何种方式开始，我们都会为你提供所需的一切支持。你可以与自己的团队一起构建，或直接与我们经验丰富的网络部署工程师合作，在你的环境中运行这些工作流。你也可以通过Daybreak防御网络与服务伙伴合作，我们正在扩展该网络，以帮助更多团队实施持续防御。最后，我们正与云合作伙伴合作，通过Amazon Bedrock和Gemini Enterprise Agent平台将模型提供给更多客户。”
开放生态的最终目标是共同提升软件安全基线，让更多人获得前所未有的防御能力：人们每天都依赖软件管理生活和业务的重要方面，OpenAI借此机会与各方合作，通过Daybreak让软件更安全，并赋予人们此前无法触及的能力，这体现了生态共建的最终价值。

“人们每天都信任软件来管理他们生活和业务中一些最重要的方面。因此，今天我们有机会共同让这些软件更安全，并赋予人们前所未有的能力。这就是这个团队正在努力与Daybreak一起构建的未来，我们很高兴与你们共同构建。非常感谢。”

总结

信息源

视频来源

Cyber at the Frontier：

外部资料

OpenAI sees a new enterprise frontier in cyber：
AI.Card.Daily：
The Future Is Bright：
The Future Is Bright：
The Future Is Bright：
Martin Szerment | Practical AI：
GPT‑6 Cyber: Advancing the frontier of aligned ...：

Cyber at the Frontier

导读

核心结论

观点拆解

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件 00:34

2. 前沿AI模型持续跃升，为防御者创造关键窗口期 01:48

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈 03:32

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距 06:52

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环 07:33

6. AI智能体在真实企业安全运营中已产生可量化效益 30:27

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行 11:08

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织 32:17

总结

信息源

Cyber at the Frontier

导读

核心结论

观点拆解

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件 00:34

2. 前沿AI模型持续跃升，为防御者创造关键窗口期 01:48

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈 03:32

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距 06:52

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环 07:33

6. AI智能体在真实企业安全运营中已产生可量化效益 30:27

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行 11:08

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织 32:17

总结

信息源

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件

2. 前沿AI模型持续跃升，为防御者创造关键窗口期

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环

6. AI智能体在真实企业安全运营中已产生可量化效益

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织

1. 网络安全进入攻防加速期，必须从源头构建更安全的软件

2. 前沿AI模型持续跃升，为防御者创造关键窗口期

3. AI已能独立发现并修复高危漏洞，但大规模协调仍是瓶颈

4. Daybreak Red Team让攻击性测试民主化，弥补防御者工具差距

5. Daybreak Defense Factory实现持续、自动化的漏洞修复闭环

6. AI智能体在真实企业安全运营中已产生可量化效益

7. 模型能力与安全对齐必须同步推进，确保AI在授权范围内可靠运行

8. 构建开放生态与合作伙伴网络，让先进防御能力触达更多组织