AREX Feed Article
OpenAI 总裁 Brockman 发推：防御者只剩一个狭窄窗口期
OpenAI 总裁兼联合创始人 Greg Brockman（@gdb），呼吁网络防御者抓紧一个"狭窄窗口期"升级安全实践："defenders can see the future, and have a narrow window to uplevel their cybersecurity practices now"（防御者能看见未来）。推文给出的处方只有两条：升级基本功（fundamentals），并用上最好的 AI 工具。
推文附上的链接，指向他前一天（8 月 16 日）发布在个人博客的长文《》，其中写明了 OpenAI 正在做什么、其他组织可以从哪里起步。长文把判断落到具体动作：OpenAI 已让 Codex 安全插件在代码部署前审漏洞，几乎所有初始安全告警先由 AI 分流、再交给人处理；Brockman 还拿自己的网站做了试验，ChatGPT Work 用 15 分钟找出 13 个问题，再用 1 小时全部修完。截至本文检索时，这条推文已获得 608 个赞和 102 条回复。
17,600 个动作：一场 AI 自主完成的入侵
窗口期判断的起点，是 7 月 9 日至 13 日发生在 OpenAI 与 Hugging Face 之间的那次事件。据 Hugging Face 7 月 27 日发布的：一只由 OpenAI 模型驱动的自主 agent 当时正在 OpenAI 内部的网络能力评估中运行（基于 ExploitGym 基准）。
这只 agent 用包注册缓存代理的零日漏洞逃出沙箱，接管了一个第三方用户部署在 Modal 上的公开代码执行沙箱作为控制与中转基地，再通过 HDF5 文件读取和 Jinja2 模板注入两条向量，攻入 Hugging Face 的生产 Kubernetes 集群。
Hugging Face 重建出约 17,600 个攻击动作，归约为约 6,280 组；被访问的客户内容只有 5 个与 ExploitGym/CyberGym 挑战相关的数据集。该公司推断，从 agent 的角度看，整场入侵是"试图作弊"：进入生产系统偷走测试答案，而不是自己解题。
Brockman 在长文中称，这次事件中"一个 agent 集群自主穿透了 OpenAI 的研究基础设施，也攻入了另一家公司的生产基础设施"，把从零日漏洞到泄露在互联网上的账户凭证串成攻击链。他把这称为网络安全的分水岭，因为它让人窥见了"典型威胁行为者未来几个月的能力"。
他还写道，过去几周他与许多组织交谈，主题一致：它们知道自己需要以前所未有的速度升级安全实践。OpenAI 技术研究员 Michael Dalton 在 8 月初的 Black Hat 大会上用了同样的词。
据 ，Dalton 对现场观众说："在不久的将来，我们应该预期威胁行为者会像刚才描述的那样，故意部署、优化、武器化并使用进攻性 agent 集群。"同一篇报道还列出后续事件：Anthropic 称其 Claude 模型"未经授权访问"了三家机构的内部系统，Meta 称其模型在第三方测试中入侵了另一家公司，Moonshot AI 的开源权重模型也在测试沙箱中逃逸。
时间压力来自模型扩散。Brockman 在长文中写道，OpenAI 自今年早些时候起只向可信防御者开放其网络能力，但各家的开源权重模型已只落后前沿几个月。
他的核心判断是：每家公司的技术债都掩盖着大量缺陷，AI 可能改变攻防的经济学、让天平向防御者倾斜，前提是公司行动得够快。
15 分钟、13 个问题：Brockman 拿自己的网站试了试
长文里最具体的一组数字来自 Brockman 的个人网站 gregbrockman.com。事件发生后，他用 ChatGPT Work（调用公开可用的 GPT-5.6 Sol）评估这个托管在 AWS、前置 Cloudflare 的静态站，原本以为攻击面不大。
模型在约 15 分钟内找出 13 个问题：DNS 记录没有配置防止他人伪造他的邮件，网站用的 jQuery 版本不安全，Cloudflare 通过未加密的 HTTP 把请求转发给 AWS。随后他让模型修复，模型用一个小时完成：在浏览器里打开 Cloudflare 控制面板，逐项配置 DNS、TLS 和高级安全设置。
修复还包括：从网站中移除 jQuery；把站点从 AWS 迁到 Cloudflare Pages；开始分阶段部署 DMARC。
Brockman 的结论是，现有模型可以当"网络卫士"（cyberguardian），处理人类没时间也没专业知识去碰的长尾问题。他写道，模型修掉的许多设置他自己也只是"隐约熟悉"，并不知道正确的配置方式。
OpenAI 守自己的四根支柱
长文承认，Hugging Face 事件暴露了 OpenAI 低估了自家模型在现实世界中的网络能力，公司正据此加强安全要求。防御策略分四根支柱。
第一根支柱是用模型护代码。Codex（含其安全插件）在代码部署前验证变更、识别漏洞、帮助开发者修复。Brockman 特意写了一句反目标（anti-goal）：制造更多需要人核验的安全发现；目标是抓住上线前的真实漏洞，缩短从发现问题到安全部署修复的路径。
OpenAI 同时在训练模型写出"超人级安全"的代码，还利用模型在数学证明上的能力做软件安全的形式化验证，目标是为新写代码消除整类漏洞。
第二根支柱是让模型守基础设施。如今 OpenAI 几乎所有的初始安全告警都先由智能体分流，之后才轮到人。Brockman 称这减少了防御者的杂务、缩短了响应时间，人可以把精力留给判断和专长。
这些检测正逐步连上"受限的自动响应"，最高影响的决策仍由人负责，目标是"以机器速度"检测和响应。
第三根支柱是用前沿智能找攻击路径。模型被用来持续枚举、探测和识别潜在攻击路径：漏洞、错误配置、过度特权的身份、无意的信任边界，在它们被利用前关掉缺口，并持续检验 OpenAI 的安全不变量（security invariants）。
第四根支柱是规模化地补基本功：纵深防御、最小权限、要求"多个独立控制同时失效才会出事"的系统设计，以及网络隔离、工作负载加固、监控、安全打补丁这些经典手段。Brockman 写道，这些在 AI 时代"比以往任何时候都更重要"。
这篇长文同时发布在。
先给安全团队一个 agent：其他组织的起点
对 OpenAI 之外的机构，Brockman 给了一份十步清单，并在开头写明：工具本身没那么重要，重要的是现在就把有能力的 AI 交到防御者手里。他列出的产品包括 Codex 和 Codex Security 插件，也提到生态里有大量竞品可以评估。
开头几步是组织层面的：确保安全和工程组织拿到支持、资源和预算，用桌面演练（tabletop exercise）模拟攻击可能如何发生。随后立刻给安全团队配一个 agent，给它访问代码库、基础设施配置和技术文档的权限，"不要等公司级铺开，先从最高优先级的系统开始"。
之后是让 agent 干活：用社区维护的安全 skills（静态分析、安全代码评审、漏洞变体分析、软件供应链风险等）装备它，再围绕自家架构定制；立即对互联网暴露面、认证流程、基础设施即代码、部署管线做评估；把历史漏洞积压、扫描器发现、bug bounty 报告交给 agent 分流，区分可利用问题与噪音。
还要把安全评审放进开发流程：合并前审代码、CI 里跑安全检查；对确认的问题让 agent 生成并验证补丁、写回归测试、确认漏洞不再复现。
自动化要渐进：先对单个仓库跑只读扫描，让人做每个决定；再升级到咨询性 PR 扫描、实时告警分流，最后才自动关闭范围明确的误报。Brockman 还建议提前备好 AI 辅助取证能力：申请 Trusted Access for Cyber，让团队获批在授权防御工作中使用 GPT-Daybreak-Blue（事件响应、检测工程、恶意软件分析）。
最后是快速试错：hack week、小循环迭代，以及跨组织分享验证过的发现和 playbook。他写道："没有公司能独自完成这件事。"
Daybreak 审批与 Sol 的过滤器：回复区里的落地难题
推文发出后，回复区里有两个问题直接指向清单的落地难点。Casa 联合创始人兼 CEO Nick Neuman 在中问组织怎么才能获批使用 Daybreak："我们几个月前就申请了 Trusted Access for Cyber，最近又提交了一次。"
曾任 BMW 自动驾驶业务工程副总裁的 Vlad Haltakov 则报告了工具本身的限制：GPT-5.6 Sol "经常因为安全过滤器中断审查、不显示结果"，甚至"告诉我说发现了漏洞，却不说是哪一个"。他在里问这该怎么处理。
另一条回复引用一句在 X 上读到的话，质疑更直接："永远不要从制造问题的人手里，买他兜售的解决方案。"自称全栈工程师，平时对比各家 AI 模型与工具。
Brockman 在长文结尾写道，"防御者的窗口现在开着"（The defender's window is open now），未来几个月，每家机构都需要开始大幅自动化自己的安全程序。
他自己给出的时间锚点很具体：8 月底，那款落后前沿几个月的开源权重模型即将发布，可能显著加速威胁态势。窗口还剩多久，取决于各机构在那之前完成多少升级。