OpenAI открыла исследовательский доступ к Codex Security — новому агенту для поиска и исправления уязвимостей в коде. Это не просто очередной сканер, который подсвечивает подозрительные строки: сервис анализирует контекст проекта, строит модель угроз, проверяет находки и предлагает патчи. Раньше инструмент был известен как Aardvark и тестировался в закрытой бете, а теперь начинает появляться у пользователей ChatGPT Pro, Enterprise, Business и Edu через Codex web.
Что произошло
OpenAI представила Codex Security в статусе research preview. Это значит, что продукт уже можно пробовать, но компания всё ещё собирает обратную связь и дорабатывает механику работы.
Главная идея простая: современные команды пишут код всё быстрее, особенно с помощью AI-агентов, но проверка безопасности становится узким местом. Разработчики ускорились, а AppSec-команды всё ещё вынуждены вручную разбирать огромные списки предупреждений от статических анализаторов, dependency scanners и других инструментов.
Codex Security пытается решить именно эту проблему: не просто найти «что-то похожее на баг», а понять, насколько это реально опасно в конкретной системе.
Например, обычный сканер может увидеть потенциальный SSRF, SQL-инъекцию или небезопасную работу с путями и выдать предупреждение. Но без понимания архитектуры он часто не знает:
- доступен ли этот код извне;
- можно ли реально передать туда пользовательский ввод;
- есть ли дополнительные проверки выше по стеку;
- влияет ли баг на данные других пользователей;
- можно ли воспроизвести атаку в рабочем сценарии.
Из-за этого команды получают шум: десятки и сотни находок, часть из которых не является реальной угрозой. Codex Security делает ставку на другой подход — сначала разобраться в проекте, а уже потом искать проблемы.
Чем Codex Security отличается от обычных сканеров
Классические инструменты безопасности обычно работают по правилам. Они ищут опасные шаблоны: небезопасные функции, странные настройки, известные CVE в зависимостях, отсутствие проверок, подозрительные регулярные выражения и так далее.
Это полезно, но у такого подхода есть слабое место: он плохо понимает продуктовый контекст. Один и тот же фрагмент кода может быть критической уязвимостью в публичном API и почти безобидной проблемой во внутреннем скрипте, который запускается раз в месяц администратором.
Codex Security использует агентный подход. Он читает репозиторий, пытается понять устройство приложения, выделяет важные потоки данных и формирует модель угроз. После этого агент ищет уязвимости уже не «в вакууме», а с учётом того, как система работает.
OpenAI выделяет три ключевые возможности:
- построение контекста и threat model;
- приоритизация и валидация уязвимостей;
- генерация патчей с учётом поведения системы.
На практике это должно выглядеть так: агент не просто пишет «возможна уязвимость», а объясняет, почему она имеет значение именно здесь, как её можно подтвердить и какой фикс безопаснее применить.
Что такое threat model простыми словами
Threat model, или модель угроз, — это описание того, что в системе нужно защищать, кому доверять нельзя и где находятся самые рискованные места.
Для веб-приложения это может быть примерно так:
- пользователи входят через OAuth;
- данные организаций изолированы по tenant ID;
- публичный API принимает файлы;
- админка доступна только сотрудникам;
- фоновые воркеры обрабатывают очереди;
- внешние вебхуки приходят от платёжной системы;
- критичный риск — доступ одного клиента к данным другого клиента.
Если агент понимает такую картину, он может оценивать баги точнее. Например, ошибка в проверке tenant ID будет выше по приоритету, чем косметическая проблема в админском интерфейсе без внешнего доступа.
Важный момент: модель угроз в Codex Security можно редактировать. Это правильно, потому что ни один AI не знает бизнес-контекст лучше команды. Разработчики и безопасники могут уточнять, какие части системы критичны, какие сценарии невозможны, а на какие классы рисков нужно смотреть особенно внимательно.
Что изменилось по сравнению с Aardvark
Codex Security — это развитие инструмента Aardvark, который OpenAI показывала раньше в формате закрытой беты. Теперь продукт переехал в линейку Codex и стал доступнее для пользователей платных тарифов ChatGPT.
Судя по описанию OpenAI, главные изменения не в названии, а в качестве работы:
- стало меньше шума;
- снизилась доля ложных срабатываний;
- агент лучше определяет реальную серьёзность находок;
- улучшился процесс онбординга проектов;
- пользователям проще передавать продуктовый контекст;
- инструмент лучше доходит от сканирования до конкретного исправления.
OpenAI приводит несколько цифр по результатам беты. На одном из репозиториев шум удалось снизить на 84% по сравнению с ранним запуском. Доля находок с завышенной серьёзностью упала более чем на 90%, а false positive rate снизился более чем на 50% по всем репозиториям.
Это важнее, чем может показаться. В безопасности качество сигнала часто важнее количества. Если инструмент находит 500 проблем, но 450 из них не имеют реального воздействия, команда быстро перестаёт ему доверять. Хороший AppSec-инструмент должен экономить время, а не создавать новую очередь ручной проверки.
Как работает поиск уязвимостей
Codex Security начинает с анализа проекта. Он изучает структуру репозитория, важные компоненты, точки входа, доверенные и недоверенные источники данных. После этого формирует threat model и использует её как основу для поиска.
Дальше агент ищет потенциальные проблемы: ошибки авторизации, обходы аутентификации, SSRF, path traversal, LDAP-инъекции, DoS-сценарии, неправильную работу с TLS, проблемы с сессиями и другие классы багов.
Отдельный акцент OpenAI делает на валидации. Там, где возможно, Codex Security проверяет находки в изолированной среде. Если проект настроен так, что агент может поднять окружение или выполнить релевантные тесты, он способен подтвердить проблему ближе к реальному поведению системы.
Это принципиально отличается от простого «нашёл подозрительный код». Подтверждённая уязвимость с понятным сценарием эксплуатации намного ценнее для команды: её легче приоритизировать, проще отдать разработчику и быстрее закрыть.
Патчи, а не только отчёты
Ещё одна важная часть Codex Security — исправления. Инструмент не ограничивается отчётом, а предлагает патчи, которые учитывают окружающий код и ожидаемое поведение системы.
Это особенно важно для безопасности. Наивный фикс может закрыть дыру, но сломать продуктовую логику. Например, можно слишком жёстко заблокировать запросы, поломать обратную совместимость API или нарушить работу интеграции.
OpenAI обещает, что Codex Security предлагает исправления с учётом intent системы — то есть пытается сохранить нормальное поведение приложения и минимизировать риск регрессий.
Конечно, это не значит, что патчи нужно принимать автоматически. Security-фиксы всё равно требуют ревью, тестов и понимания архитектуры. Но если агент приносит не только «у вас проблема», а ещё и аккуратный pull request с объяснением, это заметно сокращает путь от обнаружения до закрытия бага.
Почему это важно для команд разработки
Главная аудитория Codex Security — не одиночные энтузиасты, а команды, где есть живой поток изменений: SaaS-продукты, финтех, корпоративные системы, open-source проекты, внутренние платформы.
Чем быстрее команда пишет код, тем сложнее вручную удерживать качество безопасности. AI-кодинг только усиливает этот эффект. Если раньше разработчик делал условные 3 pull request в неделю, а теперь с агентами делает 10, нагрузка на ревью и AppSec тоже растёт.
Codex Security здесь выступает как дополнительный слой проверки. Он не заменяет инженера по безопасности, но может снять часть рутинной работы:
- найти сложные цепочки уязвимостей;
- отсеять неважные предупреждения;
- объяснить реальный impact;
- подготовить воспроизводимый сценарий;
- предложить исправление;
- учиться на обратной связи команды.
Для небольших команд это может быть способом получить более зрелый security review без отдельного большого AppSec-отдела. Для крупных — инструментом, который помогает масштабировать проверку на тысячи коммитов.
Что показала закрытая бета
OpenAI пишет, что за последние 30 дней Codex Security просканировал более 1,2 млн коммитов во внешних репозиториях участников беты. В результате было найдено 792 критические находки и 10 561 high-severity находка.
При этом критические проблемы встретились менее чем в 0,1% просканированных коммитов. Это важная деталь: компания показывает не только «мы нашли много багов», но и пытается подчеркнуть низкий уровень шума. То есть инструмент не помечает каждый второй коммит как катастрофу, а выделяет относительно редкие, но значимые проблемы.
OpenAI также сообщает, что использовала Codex Security для проверки open-source проектов, от которых зависит современная инфраструктура. Среди примеров — уязвимости в GnuTLS, GOGS, OpenSSH, libssh, PHP, Chromium и других проектах. По части находок были назначены CVE.
Для open source это чувствительная тема. Мейнтейнеры и так получают много низкокачественных security reports, часть из которых создана автоматическими инструментами или людьми, охотящимися за bug bounty без нормальной проверки. Поэтому OpenAI отдельно подчёркивает: цель Codex Security — не заваливать проекты спекулятивными отчётами, а отправлять меньше, но более проверенных и полезных находок.
Для кого это особенно полезно
Codex Security стоит рассматривать в первую очередь тем, у кого есть:
- активная разработка и частые релизы;
- несколько сервисов или большой монорепозиторий;
- чувствительные пользовательские данные;
- multi-tenant архитектура;
- публичные API;
- обработка файлов;
- платежи, авторизация, роли и права доступа;
- open-source проект с большим числом пользователей;
- нехватка времени на глубокий ручной security review.
Особенно интересно это выглядит для команд, которые уже используют Codex или другие AI-инструменты разработки. Если AI ускоряет написание кода, логично подключать AI и на стороне проверки. Иначе скорость разработки растёт, а контроль качества остаётся прежним.
Но есть и ограничения. Research preview — это не финальная зрелая версия. Агент может ошибаться, пропускать проблемы или предлагать неидеальные патчи. Его стоит воспринимать как помощника для security review, а не как гарантию безопасности.
Что это значит для рынка AppSec
Codex Security хорошо показывает, куда движется рынок инструментов безопасности. Раньше главной ценностью был поиск: кто найдёт больше потенциальных проблем. Сейчас ценность смещается к качеству:
- меньше false positive;
- больше контекста;
- понятный impact;
- воспроизводимость;
- автоматические патчи;
- интеграция в workflow разработчиков.
Это логичный сдвиг. Команды устали от инструментов, которые создают бесконечные списки предупреждений. Им нужны системы, которые помогают принимать решения: что чинить сейчас, что можно отложить, а что вообще не является проблемой.
Если Codex Security действительно сможет стабильно находить сложные уязвимости с низким уровнем шума, это будет серьёзный шаг для AI в прикладной безопасности. Не потому что «AI заменит безопасников», а потому что он может взять на себя большую часть грязной предварительной работы.
Как попробовать
Codex Security начинает разворачиваться через Codex web для пользователей ChatGPT Pro, Enterprise, Business и Edu. OpenAI обещает бесплатное использование на первый месяц research preview.
Чтобы попробовать:
- Нужен подходящий тариф ChatGPT: Pro, Enterprise, Business или Edu.
- Доступ должен появиться в Codex web.
- В проекте нужно настроить сканирование репозитория.
- После анализа Codex Security построит модель угроз.
- Затем можно смотреть validated findings, фильтровать находки и изучать предложенные патчи.
Для команд OpenAI рекомендует документацию Codex Security, где описана настройка окружения и подключение проекта.
Если у вас пока нет ChatGPT Pro, доступ к подписке можно оформить напрямую у OpenAI. Также пользователи в России иногда покупают доступ к ChatGPT Pro через маркетплейсы вроде plati.market — если выбираете такой вариант, проверяйте продавца, условия передачи доступа и риски аккаунта. Это не официальный способ OpenAI, поэтому относиться к нему стоит аккуратно.
Главное
Codex Security — это новый AppSec-агент OpenAI, который вырос из проекта Aardvark и теперь выходит в research preview. Его задача — искать реальные уязвимости в коде с меньшим количеством шума, подтверждать находки и предлагать исправления.
Самое важное здесь не сам факт «AI ищет баги», а подход: анализ контекста проекта, threat model, валидация и патчи. Если OpenAI удастся удержать качество на реальных репозиториях, Codex Security может стать полезным инструментом для команд, которым нужно ускорять разработку без просадки по безопасности.
Пока это не замена полноценному security audit и не волшебная кнопка «сделать безопасно». Но как дополнительный слой проверки для активных проектов — выглядит очень перспективно.