10 个关键问题 Q&A
Q1：什么是防御者窗口期？ A：防御者可优先使用前沿模型、访问自有代码，比使用开源模型的攻击者更早发现漏洞的时间优势；随开源模型变强，窗口期持续缩短。
Q2：防御工厂是用来做什么的？ A：以智能体为核心，自动化完成漏洞发现、复现、分派、生成补丁、验证修复的持续闭环防御体系。
Q3：防御工厂会替代现有安全工具吗？ A：不会，它作为编排纽带，通过 API/MCP/CLI 连接 Snyk、GitHub、Jira 等现有安全与研发工具。
Q4：为什么隔离临时环境是防御工厂基础？ A：智能体需要独立环境复现漏洞、测试补丁；环境一次性创建、用完销毁，防止任务间污染。
Q5：防御闭环 SECURITY.md 作用是什么？ A：存储系统上下文、资产、漏洞证据、修复经验，每一轮循环复用，不用重复测绘系统。
Q6：智能体集群攻击和传统黑客攻击最大差别？ A：智能体可跨会话持续学习理解系统，自动串联多个漏洞；集群可并行大规模利用漏洞，速度远超人工响应。
Q7：OpenAI 内部攻坚取得哪些核心指标？ A：漏洞归属自动分配接受率 90.6%；37% 发现项为重复告警；动态验证误报率 0.81%；补丁回滚率 0.53%。
Q8：搭建防御工厂为什么要渐进式提升自主性？ A：从小批量 + 人工审核起步，验证可靠后再减少人工；高危变更保留人工审批，人负责边界与异常处理。
Q9：Daybreak 模型在防御工厂中的角色？ A：OpenAI 专用网络安全模型（Blue/Red），用于授权防御场景下的漏洞挖掘与安全研判。
Q10：企业落地防御工厂第一步怎么做？ A：内部对齐认知，使用官方手册统一目标，选定一个工作流作为试点，再申请安全模型访问。
附录：OpenAI 防御工厂（The Defense Factory）
一、时代背景：防御者的窗口期正在收窄
传统网络安全防御手段已经不足以应对 AI 智能体带来的新型攻击威胁。
攻击者新能力
- 智能体跨会话学习
智能体可以保存历史学习信息，深度理解目标系统，串联多个漏洞实施复杂攻击，过去难以实现的复杂攻击可以全自动完成。 - 智能体集群规模化攻击
大量长期运行智能体集群可以大规模利用漏洞，速度快于人工安全响应。 - 开放权重模型普惠化
攻击方可以轻易获取开放权重模型，以机器速度完成漏洞挖掘与利用。
防御者的结构性优势与窗口期
防御者具备先发优势：可以优先访问自身源代码，使用前沿大模型，比滥用公开开源模型的攻击者更早发现系统风险。这个时间差就是防御者窗口期，但随着开源模型能力快速提升，窗口期在不断缩短，必须主动行动，不能被动等待。
防御窗口期：防御方凭借内部前沿模型优先排查自身系统漏洞的宝贵时间窗口。窗口期会随着公开模型能力迭代持续压缩。
二、OpenAI 的方案：防御工厂（Defense Factory）
防御工厂定义：以 AI 智能体为核心的自动化持续防御运行机制，持续完成漏洞发现、验证、修复闭环，用来追上 AI 赋能攻击者的行动速度。它不是完全替代现有安全工具，而是作为纽带串联企业已有安全、研发工具，实现端到端自动化流程。
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
防御工厂关键依赖组件
- 现有工具对接层
对接源代码管理（GitLab/GitHub）、安全扫描工具（Snyk、Semgrep）、工单系统（Jira、ServiceNow），通过 CLI/MCP/API 供智能体调用。 - 隔离可复现临时开发环境
每次任务新建临时容器环境，完成任务后销毁；用来复现漏洞、测试补丁，避免任务之间互相污染（这是整套体系的基础）。 - 智能体与技能库
-
智能体：Codex Desktop、Codex CLI、Codex Security CLI； -
模型：通用模型（Astra、Sol、Terra、Luna）、安全专用模型（Daybreak Blue / Daybreak Red）； -
技能：安全扫描、漏洞研判、漏洞修复等可复用工作流，支持自定义扩展。 - 架构分层
- 控制平面
工作负载编排、策略执行、凭据代理，统一管控策略、密钥； - 数据平面
大量隔离临时开发容器环境，执行漏洞复现、补丁测试； - 开发者系统
源码仓库、密钥库、模型端点，为智能体提供运行原料； - 状态与工作流层
资产清单库、漏洞发现数据库，记录全部风险； - 安全审计层
监控智能体全部操作，留存审计日志，管控敏感数据访问。
防御闭环（防御性循环）
完整闭环循环，每一轮循环复用历史信息，不用从零开始，SECURITY.md 作为共享上下文贯穿全流程：
- 资产清单
测绘资产，关联服务、代码、责任人，更新系统图谱； - 漏洞发现
扫描、分析、导入安全告警； - 动态验证
隔离环境复现漏洞，确认真实可利用； - 所有权分配
识别业务归属，分派给对应团队跟进； - 已验证修复
生成补丁、部署上线、复测确认修复有效； - 学习迭代
沉淀经验到技能与 SECURITY.md，提升智能体自主性；重大变更保留人工审核节点。
三、OpenAI 内部实践：安全攻坚演变为防御工厂
OpenAI 发起内部红色警报安全攻坚，作为防御工厂的起点：
-
动员250 + 人员，覆盖100 + 服务域，以应急事件的紧迫感开展内部漏洞排查； -
攻坚不是一次性行动，而是转化成上面的持续自动化防御闭环。
Thibault Sottiaux（OpenAI 核心产品与平台负责人）：我们正以应对安全事件的紧迫感强化防御能力。这是一项需要全员参与的工作，其优先级仅次于关键业务运营。我们会将这种紧迫感延续到本次攻坚行动结束之后，在持续测试的同时不断强化我们的防御能力。
落地得到的关键数据与经验
- 资产与归属分配
先梳理全量系统资产，依托 Codex 构建资产清单；智能体自动路由漏洞，漏洞归属分配接受率 90.6%；攻坚首日就处置 53 个 P0/P1 高危漏洞。 - 智能体分诊去重
版本化管理漏洞评级标准，人工抽样校验；识别出37% 漏洞属于重复报告，大幅降低人工噪声。 - 动态运行验证
隔离环境做复现过滤误报；19.5% 发现项成功复现，动态验证后误报率低至 0.81%。 - 补丁自动化
全部修复由 Codex 智能体生成补丁；完善补丁测试流程，补丁回滚率仅 0.53%。
核心实践教训
- 可复现隔离环境是根基
没有临时隔离环境，自主漏洞验证、补丁测试就无法大规模运行；环境必须一次性、任务结束销毁。 - 自主性循序渐进建设
从小规模 + 强人工审核起步，验证可靠之后，再逐步减少手动步骤；区分智能体可以自主执行的操作，和必须人工审批的高危变更；人转向处理异常、设定安全边界、复核结果。 - 先盘点资产再做修复
优先完成资产测绘、服务责任人映射，才能实现漏洞自动分派；模糊边界场景保留人工兜底。 - 沉淀可复用上下文（SECURITY.md）
把系统知识、修复经验沉淀为共享文档，供每一轮防御循环复用。
四、如何起步搭建防御工厂
- 对齐团队认知
使用官方手册 defense‑factory‑playbook.pdf向内部团队说明风险，确定第一个试点工作流。 - 申请安全模型访问
提交申请获取 Daybreak 安全模型，仅用于授权防御工作。 - 运行首个工作流
使用 Codex Security 插件，执行漏洞查找、验证、准备修复的试点流程。 -
OpenAI 现有企业客户，对接客户团队，完成私有环境架构适配。
五、相关参考
其他企业同类实践：Cloudflare 漏洞测试平台、Ramp 零人工修复上百漏洞、Chrome 自动更新安全体系。
参考原文链接：
-
防御工厂：https://openai.com/zh‑Hans‑CN/the‑defense‑factory/ -
集体网络防御：https://openai.com/zh‑Hans‑CN/collective‑cyberdefense/ -
防御者窗口期：https://openai.com/index/the‑defenders‑window/