Block zkrátil návrh bezpečnostní opravy na 18 minut. Nasazení stále hlídá člověk

Block podle případové studie zveřejněné OpenAI používá systémy včetně OpenAI Daybreak k vyšetřování bezpečnostních alertů, hledání souvislostí a přípravě oprav. Při nedávných red team cvičeních uplynulo od zadání obecně popsané zranitelnosti k automatickému návrhu patche 18 minut. Nešlo o automatické nasazení do produkce.

Sedm měsíců telemetrie se vejde do hodinového testu

Tým ukládá ke každému vyšetřování původní dotazy a důkazy. Díky tomu dokáže navrženou změnu detekce přehrát nad sedmi měsíci produkční telemetrie za méně než hodinu. Dříve by analytici ručně opakovali dotazy nad stovkami starších případů, takže se taková kontrola podle firmy často vůbec neprovedla.

Block uvádí o 50 % vyšší propustnost triáže a také o 50 % více práce na sběru informací a vyšetřování. Automatizovaná vyšetřování mají odpovídat zhruba 1 100 hodinám práce analytiků za čtvrtletí. Dalších přibližně 600 hodin za čtvrtletí se uvolnilo omezením ruční triáže falešných poplachů.

Agent mění cenu důkladnosti, ne odpovědnost za výsledek

Zajímavější než samotná rychlost je změna ekonomiky kontroly. Když lze staré případy přehrát za hodinu, tým nemusí vybírat jen několik alertů, kterým věnuje hlubší analýzu. Systém může každý alert zpracovat podrobněji a člověku předat propojené stopy místo dlouhé fronty izolovaných signálů.

Pro bezpečnostní týmy z toho plyne praktická podmínka: agent potřebuje uchované důkazy, jasné vlastnictví kódu a cestu k lidskému review. Bez těchto opor pouze vyrábí návrhy rychleji. S nimi může zlevnit práci, která se dříve kvůli času vynechávala.

Čísla pocházejí od zákazníka a měří návrhy, ne nasazené opravy

Výsledky zveřejnila OpenAI jako zákaznickou případovou studii. Nejde o nezávislý benchmark a stránka nezveřejňuje surová data ani metodiku výpočtu hodin práce. Osmnáct minut navíc končí u navrženého patche. Tým Blocku stále ověřuje zneužitelnost, kontroluje opravu a člověk řídí nasazení změny.

Stejný rozdíl platí pro red team ukázku, v níž systém sestavil během přibližně dvou hodin řetězec útoku od SQL injection přes zvýšení oprávnění až k pohybu do dalších systémů. Je to silný interní výsledek, nikoli univerzální míra schopností Daybreak v cizím prostředí.

O kvalitě rozhodnou návraty chyb a zásahy reviewerů

Další důležitá čísla budou míra odmítnutých patchů, počet přehlédnutých zranitelností a četnost lidských zásahů před nasazením. Teprve dlouhodobé výsledky ukážou, zda vyšší propustnost znamená lepší obranu, nebo jen větší objem práce ke kontrole.

Pro jiné firmy bude podstatná také přenositelnost. Block staví nad vlastní telemetrií, interními benchmarky a bezpečnostním harness systémem, který směruje úlohy mezi modely. Kopie jednoho promptu tento provoz nenahradí.

Lilithin verdikt

Osmnáctiminutový patch je působivý jen do chvíle, než reviewer najde chybu a odmítne ho pustit do produkce. Block správně nechává poslední prst nad tlačítkem nasazení člověku.