最新资讯
dev.to 如何在专用 GPU 服务器上用 OpenAI 兼容 API 部署 LLM dev.to 审计 153 份 Claude Code 与 Codex 会话记录:User-Agent 与 URL 中的邮箱泄露 dev.to 你的 Agent Harness 应具备的 17 项能力 dev.to 离线 AI 记忆中 0.8 余弦阈值为何失效 dev.to Kimi K3.1 Pro 开放权重:自托管 2.8T 模型前的开发者清单 dev.to 如何通过工具调用引导模型以提升 Harness 质量 dev.to AI Agent 审计轨迹不等于对话记录 dev.to 精简 MCP server 工具数量:更少工具、更小影响面,双重收益 dev.to 为什么 git checkout 无法撤销 AI 编码 agent 的改动? wechat AI短剧门槛降降降!实测即梦短剧工作室:剧本分镜预演一条龙,伙伴计划长期护航 dev.to 让模型改写文档前,先量化事实保真度 dev.to 回放 153 个 Claude Code 与 Codex 会话,审计 Agent 的生产影响范围
多元动态
登录 注册
智能体 x.com · @Greg Brockman (@gdb)

OpenAI 用自家模型发现并修复自身系统关键漏洞,公开 Defense Factory 架构与 playbook

原文 我的收藏

OpenAI 的 gdb 表示,OpenAI 动员 250 多人加强数百个系统的防御,并使用其最新的网络安全模型发现并修复了原本可能无法发现的关键漏洞。团队公开了相关经验、架构和实用 playbook,提出“Defense Factory”概念:一个由 AI agent 持续发现漏洞、验证漏洞并确认修复有效的循环流程,目标是帮助防御方充分利用防御窗口期。

AI推荐理由 OpenAI 内部 250+ 人规模的安全行动,用自家模型发现并修复自身系统中的关键漏洞,并公开架构与 playbook,提出“Defense Factory”持续循环(agent 发现漏洞、验证、确认修复)。属于官方一手信息,涉及 AI 安全与 agent 落地,信息密度较高;但正文为转述与引用,具体漏洞数量、模型版本和效果数据未在片段中给出,需以官方原文为准。

78 浏览 104,634 点赞 1,129 评论 77 转发 72

正文

we used our models to find and fix critical vulnerabilities in our own systems, as part of a 250+ person effort within openai. playbooks/learnings/architecture which we hope can be helpful for others to make the most of the defenders' window:

来源报道 · 3 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容