Codex Security 研究预览版现已上线

📢 转载信息

原文链接：https://openai.com/index/codex-security-now-in-research-preview

原文作者：OpenAI

---

今天我们正式推出应用安全智能体 Codex Security。它能构建关于项目的深层上下文，从而识别其他智能体工具遗漏的复杂漏洞，提供更高置信度的分析结果及其修复方案。这能切实提升系统安全性，同时避免琐碎缺陷带来的干扰。

在评估真实安全风险时，上下文至关重要，但目前大多数 AI 安全工具只会标记低影响的发现和误报，迫使安全团队耗费大量时间进行初筛。与此同时，智能体正在加速软件开发，这也使得安全评审日益成为开发中的核心瓶颈。

Codex Security 同时解决了这两大挑战。通过将前沿模型的智能体推理能力与自动化验证相结合，它能输出高置信度的分析结果和可执行的修复方案，使团队能够专注于核心漏洞，从而更快地交付安全代码。

Codex Security 原名 Aardvark，自去年起在一小部分客户中开展私测。在早期内部部署中，它发现了一个真实的 SSRF（服务端请求伪造）漏洞、一个关键的跨租户身份验证漏洞以及许多其他隐患，我们的安全团队在数小时内便完成了补丁修复。通过与外部测试者的早期合作，我们优化了用户提供相关产品上下文的方式，缩短了从接入系统到实现代码安全防护的周期。在私测期间，分析质量也得到了显著提升：对同一代码仓库的持续扫描显示，检测精度不断提高。在某案例中，信噪比自初始发布以来提升了 84%。我们将漏洞严重性虚标 (Over-reported severity) 的比例降低了 90% 以上，全量代码仓库的检出误报率下降了 50% 以上。这些改进使 Codex Security 能够让报告的严重程度更贴近真实风险，减轻安全团队不必要的初筛负担。随着研发投入的持续增加，我们预计信噪比将进一步提升。

即日起，Codex Security 将通过 Codex 网页版向 ChatGPT Enterprise、Business 和 Edu 客户陆续推送，并提供为期一个月的免费使用。

Codex Security 工作原理

Codex Security 基于 OpenAI 的前沿模型和 Codex 智能体构建。它通过将漏洞发现、验证和补丁修复植根于系统特定的上下文中，从而降低干扰并加速修复进程。

1. 构建系统上下文并创建可编辑的威胁模型： 配置扫描后，它会分析代码仓库以理解系统的安全相关架构，并生成特定于项目的威胁模型。该模型能够记录系统功能、信任边界以及最易受攻击的薄弱环节。你可以对威胁模型进行编辑，使智能体与团队的评审标准保持一致。
2. 优先级排序与漏洞验证：它以威胁模型为上下文搜索漏洞，并根据系统预计会受到的实际影响对发现的问题进行分类。在条件允许的情况下，它会在沙盒验证环境中对漏洞进行压测 (Pressure-test)，以区分真实风险信号与干扰噪声。用户可以在“已验证发现”中查看此类分析。当 Codex Security 配置了适配项目的环境后，它可以在运行系统的上下文中直接验证潜在问题。这种深度验证能进一步降低误报率，并生成有效的漏洞证明 (PoC)，为安全团队提供更强有力的证据以及更明确的修复路径。
3. 基于全系统上下文修复漏洞：最后，Codex Security 会针对发现的问题提出修复建议，并确保补丁符合系统设计意图及周边代码行为。这能实现在提升安全性的同时，将回归风险 (Regression) 降至最低，使补丁的评审与合入更加安全。用户可以对分析结果进行过滤，以便集中精力处理对团队最核心、且对安全性影响最大的漏洞。

Codex Security 还能通过用户的持续反馈来提升分析质量。当你调整某个发现的严重程度 (Criticality) 时，它会利用该反馈来优化威胁模型，并在后续运行中提高检测精度；通过这种方式，它能学习并识别你所在架构及风险态势 (Risk posture) 中的核心关键点。

该系统旨在实现大规模运行，并输出高置信度的分析结果及易于采纳的补丁。在过去的 30 天内，Codex Security 扫描了私测群体外部代码库中超过 120 万次提交 (Commit)，共识别出 792 项严重发现和 10,561 项高危发现。严重问题仅出现在不足 0.1% 的已扫描提交中，这证明了系统有能力从海量代码中识别具有安全影响的问题，同时最大限度地减少了评审人员面对的干扰噪声。

支持开源社区

开源软件构成了现代系统（包括我们自身系统）的基础。我们一直使用 Codex Security 扫描我们高度依赖的开源代码仓库，并将识别出的高影响安全发现分享给维护者，以协助增强这些基础系统的安全性。

在与维护者的沟通中，我们发现了一个普遍现象：挑战不在于缺乏漏洞报告，而在于低质量报告泛滥。维护者表示，他们需要减少误报，以可持续的方式来发现真实的安全问题，且这种方式不能增加额外的初筛负担。这些对话决定了我们利用 Codex Security 支持开源社区的方式：我们并不生成海量的推测性发现，而是构建一个能够优先处理高置信度问题、且便于维护者快速采取行动的系统。

作为这项工作的一部分，我们向多个广泛使用的开源项目报告了严重漏洞，包括 OpenSSH、GnuTLS、GOGS、Thorium、libssh、PHP 和 Chromium 等。目前已分配了 14 个 CVE 编号，其中两项为重复报告 — 我们在附录中分享了一些示例。

最近，我们开始邀请首批开源维护者加入“Codex for OSS”计划；该计划通过提供免费的 ChatGPT Pro 和 Plus 帐户、代码评审以及 Codex Security 工具来支持开源生态。vLLM 等项目已经开始使用 Codex Security，并将其作为常规工作流的一部分来发现并修复问题。

我们计划在未来几周扩大该计划的规模，为更多维护者打造提升安全性、强化评审工作流，以及获取开源支持的直接路径。如果你是开源维护者并对此感兴趣，请与我们联系。

开始使用

我们将在未来几天内逐步向 ChatGPT Enterprise、Business 和 Edu 客户开放 Codex Security 的访问权限。详情参阅我们的文档，了解如何为你的团队配置 Codex Security。

附录

• GnuTLS certtool 堆缓冲区溢出（单字节越界）— CVE-2025-32990
• GnuTLS SCT 扩展解析堆缓冲区越界读取 — CVE-2025-32989
• GnuTLS otherName SAN 导出过程中的双重释放 — CVE-2025-32988
• GOGS 二步验证绕过 — CVE-2025-64175
• GOGS 未授权访问绕过 — CVE-2026-25242
• 路径穿越（任意文件写入）— download_ephemeral, download_children (agent) — CVE-2025-35430
• LDAP 注入（Filters 与 DN）— LdapUserMap::new / get_unix_info / basic_auth_ldap — CVE-2025-35431
• 未授权 DoS 与邮件滥用 — resend_email_verification — CVE-2025-35432 , CVE-2025-35436
• 密码修改后 Session 未轮转 — User::update_user — CVE-2025-35433
• TLS 验证被禁用 — Elasticsearch 客户端 — CVE-2025-35434
• 除零导致的拒绝服务 (DoS) — /api/streams/depth/.../{split} — CVE-2025-35435
• gpg-agent 栈缓冲区溢出：通过 PKDECRYPT --kem=CMS (ECC KEM) 触发 — CVE-2026-24881
• TPM2 PKDECRYPT 栈缓冲区溢出：RSA 与 ECC 密文长度校验缺失 — CVE-2026-24882
• CMS/PKCS7 AES-GCM ASN.1 参数栈缓冲区溢出 — CVE-2025-15467
• PKCS#12 PBMAC1 PBKDF2 keyLength 溢出 + MAC 绕过 — CVE-2025-11187

---

🚀 想要体验更好更全面的AI调用？

欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。