
Cogent × OpenAI:用企业知识图谱和策略引擎做网络安全「工厂」,关键漏洞修复时间缩短 75%
管理金融安全运营OpenAICodexDaybreak
一句话结论
先为企业资产、漏洞和权限建持续更新的知识图谱,再用确定性策略检查工具调用,Agent 才能在授权范围内从调查走到验证修复。
打开原文
OpenAI:Cogent and OpenAI build cyber defense factories
背景与理念
Cogent 认为企业安全最难的不是发现漏洞,而是修好它。修复要跨多个团队,还要理解攻击者会怎么用这个漏洞、哪些业务系统会受影响、怎样改才安全。它为客户搭建所谓的网络安全工厂,把 GPT-6.1 Sol、GPT-5.6 与企业上下文、控制措施结合起来,覆盖评估暴露面、执行被允许的变更,并确认风险已被消除。公司也用 Cyber 和 Daybreak 做内部攻防路径研究。
具体做法
- 用 Context Engine 维护企业知识图谱。图里包括资产、漏洞、身份、责任人和依赖。后台专用 Agent 持续对齐安全工具和系统里的信息,让调查和修复共用同一份环境理解。复杂规划由 GPT-6 Astra 承担。Geng Sng 把它称作企业的「记忆缰绳」:不必每次任务都重新认识这个环境,从而降低时延、推理成本和结果不一致。
- 用 Agent Policies 写清允许改什么、要不要审批,再由名为 TRACE 的策略引擎在执行前检查工具调用。这些检查是确定性的,不再单独做一次模型推理。Agent Gateway 独立做授权校验,更高风险的工作可在隔离沙箱里跑。客户可以选择只授权调查、变更必须审批,或允许有边界的自动修复。
- PHP2Shell 披露后,已部署的工厂被用来找受影响系统、评估暴露并按依赖和运维约束做修复计划,再沿客户自己的审批和执行流程落地,最后验证是否解决。日常执行用 GPT-6.1 Sol,常规漏洞管理工作用 GPT-5.6。多数工程师开发时用 Codex,Geng 说搭配 OpenAI 模型比在开源编码环境里用同一批模型更省事,因为 Codex 自带他们不必自建的工具。
关键数据/例子
一家财富 1000 强汽车客户把关键漏洞的平均修复时间缩短了 75%,一家财富 500 强 IT 服务客户的漏洞分诊吞吐量达到原来的 5 倍。交易平台 MarketAxess 全球 CISO Vijay Bala 说,Cogent 会按攻击者视角追踪从互联网到脆弱系统的路径,并检查沿途控制措施,从而把修复集中到最大的风险和可被利用的路径上。文中没有给出这两家客户的样本量或统计窗口。通过 Trusted Access for Cyber 和 Daybreak,团队还能用 Daybreak Red 做授权范围内的进攻和漏洞研究,再反哺防御能力。
创新点
第一,把「环境记忆」从每次提示里抽出来,做成持续对账的知识图谱。第二,策略校验与模型推理分开:许可以及工具调用是否合规,由确定性引擎先判。第三,按任务难度拆模型,并把调查、审批修复、有界自动修复做成可配置的授权档,而不是默认全自动。
可否复用
- 先建可共享的资产与依赖图,再让调查和修复 Agent 读同一份上下文,避免每来一个工单都重新认识环境。
- 把「允许改什么」写成确定性策略,在工具调用前拦截,不要把合规判断交给模型临场发挥。
- 按风险分级授权:默认可以调查,变更走审批,只有被明确划界的操作才能自动执行,并保留验证步骤。