Cloudflare quiere priorizar vulnerabilidades por exposición real, no solo por severidad#
Encontrar vulnerabilidades ya no es necesariamente el principal cuello de botella para los equipos de seguridad. El problema es decidir cuáles requieren atención inmediata. Cloudflare intenta resolver esa brecha con Vulnerability Discovery and Remediation, un nuevo servicio de acceso anticipado dentro de Managed Defense que combina análisis de código mediante IA con información sobre tráfico y actividad de seguridad en producción.
El servicio está disponible por invitación para clientes seleccionados y utiliza modelos de OpenAI Daybreak, incluido GPT-5.6 Cyber, para tareas de reconocimiento, búsqueda y validación sobre repositorios que el cliente autoriza expresamente.
Código y tráfico entran en el mismo análisis#
La diferencia frente a un escáner centrado únicamente en código está en el contexto operativo. Vulnerability Discovery and Remediation toma datos de Web Assets y WAF para identificar qué rutas están activas, cuánto tráfico reciben y si existen eventos de seguridad recientes asociados.
Cloudflare cruza esa información con el análisis del código fuente. Una vulnerabilidad localizada detrás de una ruta con mucho tráfico o señales de exploración activa puede recibir una prioridad mayor que otra presente en código con menor exposición.
El contexto de red, sin embargo, no basta para declarar que existe una vulnerabilidad. Cloudflare señala que cada hallazgo debe estar corroborado por evidencia en el código fuente.
GPT-5.6 Cyber participa en las etapas de reconocimiento, búsqueda y validación. Las solicitudes salen desde Workers, pasan por Cloudflare AI Gateway y son procesadas por los modelos Daybreak en servidores de OpenAI; la inferencia no se ejecuta en el edge de Cloudflare.
De la vulnerabilidad a una mitigación comprobada#
Cuando el sistema valida un hallazgo, puede generar un parche recomendado y, cuando existe evidencia suficiente, una regla personalizada de WAF para reducir temporalmente la exposición mientras el equipo revisa la corrección del código.
Las propuestas no llegan directamente al entorno del cliente. Cada parche o regla debe superar comprobaciones implementadas fuera del modelo y posteriormente una validación del equipo de Cloudflare. En el caso de reglas WAF, la sintaxis y el comportamiento se prueban con tráfico sintético en lugar de solicitudes reales del cliente.
El modelo tampoco tiene capacidad para aplicar por sí mismo los cambios que propone. La investigación es semiautomatizada y el cliente revisa los resultados antes de decidir si prueba o despliega una modificación. Solo cuando existe una autorización previa específica puede el servicio desplegar determinadas mitigaciones WAF.
Conclusión#
Vulnerability Discovery and Remediation plantea un cambio de enfoque: utilizar IA no solo para encontrar más vulnerabilidades, sino para relacionarlas con su exposición real y ayudar a decidir qué corregir primero. La combinación de GPT-5.6 Cyber, análisis de código, Web Assets y señales del WAF puede aportar más contexto que una lista de severidades aislada. El límite principal es igualmente importante: el servicio permanece en acceso anticipado, funciona sobre código autorizado y conserva controles humanos y técnicos antes de aplicar cambios. Su valor dependerá menos del número de hallazgos que de la calidad con la que consiga priorizarlos y convertirlos en mitigaciones utilizables.
Fuente original: cloudflare