La cybersecurity ha un problema di abbondanza: gli strumenti di scansione possono produrre migliaia di segnalazioni, ma i team devono capire quali rappresentino un pericolo reale e quali possano aspettare. Cloudflare prova ad affrontare questa distanza tra rilevazione e priorità con Vulnerability Discovery and Remediation, una funzione in accesso anticipato dentro Managed Defense che usa segnali di produzione insieme ai modelli OpenAI Daybreak.
L’obiettivo è spostare l’attenzione dal numero di vulnerabilità alla loro rilevanza concreta. Una falla teoricamente grave ma irraggiungibile può essere meno urgente di un problema di livello inferiore già esposto a traffico ostile. Incrociare il contesto del codice con i dati del WAF permette di costruire una classifica più aderente al rischio effettivo.
Il contesto vale più della lista
Cloudflare descrive un flusso in cui i modelli vengono utilizzati per ricognizione, analisi e validazione su codebase autorizzate. I segnali di rete possono poi aiutare a capire quali percorsi siano realmente utilizzati. Il sistema può preparare mitigazioni sull’edge quando appropriate e proporre patch al codice, mantenendo il lavoro dentro un processo controllato.
È una delle applicazioni più interessanti dell’AI in sicurezza perché non sostituisce semplicemente uno scanner: prova a collegare dati che normalmente vivono in strumenti diversi. La vulnerabilità, il traffico, il comportamento dell’attaccante e la possibile correzione entrano nello stesso flusso decisionale.
Automatizzare senza perdere il controllo
La sicurezza è però uno dei domini in cui l’automazione deve essere più prudente. Una patch apparentemente corretta può rompere una funzione critica; una mitigazione troppo aggressiva può bloccare utenti legittimi. Per questo il valore dei modelli dipende dalla capacità di mostrare perché una vulnerabilità è considerata prioritaria e quali effetti potrebbe avere la correzione proposta.
Il punto non è eliminare gli specialisti, ma ridurre il tempo speso su segnalazioni irrilevanti. Se un team riceve migliaia di alert, il rischio principale non è soltanto non sapere come correggerli: è non riuscire a capire quale correggere per primo.
AI contro AI
Il settore sta entrando in una fase in cui gli stessi modelli che abbassano la barriera per chi attacca vengono utilizzati per rendere più veloci i difensori. Questo produce una corsa asimmetrica. L’attaccante deve trovare una sola strada utile, mentre chi difende deve proteggere un’intera superficie applicativa. Strumenti capaci di utilizzare il contesto operativo possono quindi diventare particolarmente preziosi.
Cloudflare e OpenAI mostrano anche un’altra tendenza: la sicurezza AI non sarà un prodotto isolato, ma una funzione integrata nei servizi che già vedono traffico e infrastruttura. Chi possiede il contesto migliore può dare al modello informazioni che un semplice scanner non ha.
