Cloudflare משתמשת בהארז AI כדי לחקור ולחזק את ה-WAF
10 באוקטובר 2026 · קריאה של 2 דק׳
Cloudflare שילבה מודלים של AI מתקדמים בתוך מתקן בדיקה מבוקר כדי לחקור את חומת האש ליישומי Web (WAF). הניסוי החל עם נטלני התקפה שנחסמו על ידי ה-WAF. מודלים הציעו שינויים בהצפנה, במיקום או במסירת הנטלן על סמך תגובות מניסיונות קודמים. המודלים לא קיבלו גישה לכללי ה-WAF, לקוד המקור או לאותות אבטחה פנימיים, מה שהפך את הבדיקה לבלאק-בוקס מבחינתם.
אומן על ידי אומן Python, המתקן טיפל בחלקים ש-Cloudflare לא רצתה להסמיך למודלים. הוא בנה ושלח בקשות HTTP, שמר על מצב תרחיש, אכף מגבלות ואסף תגובות. מודל אחד הציע את המוטציה הבאה בעוד מודל אחר בחן את התגובה שהתקבלה, מה שאפשר נסיונות נוספים להסתגל ללא מתן שליטה ישירה על ביצוע הבקשות.
אחד הניסויים כלל נסיונות SSRF. חוקרים שינו שוב ושוב את הייצוג והמיקום של כתובת מטא-נתונים של ענן, נסיינו בייצוגים עשרוניים, אוקטליים וצורות נוספות. לבסוף, נטלן בייצוג עשרוני נחסם. בניסיון הבא, המודל שמר על צורת הבקשה אך עבר לייצוג עם נקודה נגררת של הכתובת; הפעם נתקל הלקוח בהפניה במקום בחסימה של ה-WAF. Cloudflare שמרה את התוצאה לחקירה במקום להתייחס אליה כראיה להצלחת ההתקפה.
הבחנה זו הוכיחה חשיבות בקנה מידה גדול. מתוך 1,107 נסיונות מוטציה שנרשמו, 607 הניבו תוצאה לאחר הטרייה: 558 בקשות נחסמו על ידי ה-WAF ו-49 ממצאים שנחשבו רלוונטי להמשך עבודת תיקון. 48 מ-49 הממצאים כללו הזרקת פקודות או SSRF.
סקירה אנושית נותרה השלב הסופי של אימות. חוקרים בדקו האם בקשות הגיעו בפועל ליעד, נותרו זדוניות, היו ברורות כחסומות, היו בתחום האחריות של ה-WAF, וניתן היה לשחזרן בבטחה. מקרים ששרדו שוחזרו ונבחרו כמועמדים לשינויים בכללים, בנורמליזציה או באמצעים אחרים.
העבודה תרמה לשלושה שינויים בכללי ה-Managed Ruleset של Cloudflare: שני זיהויים חדשים, SSRF - מארח מעורפל ו-SSRF - פרוטוקול מוגבל, לצד שיפור לכללי SSRF - ענן הקיימים.
אותו תבנית הארז מופיעה במקומות אחרים בהנדסת אבטחה. בעוד ש-Harness גילוי פגיעויות של Cloudflare מפריד בין גילוי פגיעויות לבין אימות עצמאי, Harness Agentic גילוי פגיעויות של Google Mandiant מקשר סוכנים מותאמים דרך ניתוח קוד מקור, יצירת השערות ווידוא לפני שממצאים מגיעים לביקורת אנושית.
מערכות שונות משתמשות בטרמינולוגיה שונה אך עוקבות אחר דפוס דומה של גילוי ואימות. Codex Security של OpenAI בונה מודל איום עבור מאגר, מחפש פגיעויות ומנסה לשחזר מועמדים בסביבה מבודדת לפני הצעת תיקונים לביקורת אנושית. PageBreak של Google מתמקד באימות האם השערות פגיעות שנוצרו על ידי AI הן אכן ניתנות לניצול, חלקית כדי למנוע מצוותי אבטחה להיות מוצפים בממצאים סבירים אך לא מאומתים.
לאורך המערכות הללו, הקו המשותף הוא ההארז סביב המודל: הגבלת ביצוע, שימור מצב, אימות ממצאים והפיכת חקירה פרובלית לראיה שמערכות אבטחה קיימות יכולות לנצל.