---
title: Cloudflare bruker et kunstig intelligens-rammeverk for å teste og styrke sin brannmur
url: https://www.elseif.net/no/cloudflare-bruker-et-kunstig-intelligens-rammeverk-for-a-teste-og-styrke-sin-brannmur
published: 2026-10-10T07:31:44+00:00
language: no
section: Harnesses
source: https://www.infoq.com/news/2026/10/cloudflare-sec-harness/?utm_campaign=infoq_content&utm_source=infoq&utm_medium=feed&utm_term=global
organizations: Cloudflare, Google Mandiant, OpenAI
publisher: elseif
---

# Cloudflare bruker et kunstig intelligens-rammeverk for å teste og styrke sin brannmur

Cloudflare har plassert avanserte modeller for kunstig intelligens i et kontrollert testrammeverk for å undersøke sin brannmur for webapplikasjoner, kjent som WAF. Selskapet brukte angrep som allerede var blokkert som utgangspunkt for at modellene kunne generere og forfine nye varianter.

Systemet genererte 1 107 forsøk fordelt på 45 scenarioer, noe som resulterte i 49 funn etter menneskelig sortering. Dette arbeidet førte til slutt til tre endringer i det administrerte regelsettet til Cloudflare. To av disse var nye deteksjoner for obfuskert vert og begrenset protokoll innen server-side forespørselssvindel, mens den tredje var en forbedring av en eksisterende regel for skybasert server-side forespørselssvindel.

Eksperimentet startet med angrepsnyttelast som brannmuren allerede hadde stoppet. Modellene foreslo endringer i koding, plassering eller levering basert på tidligere svar, i stedet for å gjenta faste testtilfeller. Modellene hadde ingen tilgang til kildekode, interne sikkerhetssignaler eller reglene i brannmuren, noe som gjorde testen til en såkalt svart-boks-test.

Et rammeverk skrevet i Python håndterte oppgavene som Cloudflare ikke ønsket å delegere til modellene. Dette inkluderte konstruksjon og gjentakelse av HTTP-forespørsler, vedlikehold av scenariotilstand, håndheving av grenser og innsamling av svar. Én modell foreslo den neste mutasjonen, mens en annen vurderte svaret, slik at påfølgende forsøk kunne tilpasses uten at modellene hadde direkte kontroll over utførelsen av forespørslene.

Av de 1 107 registrerte mutasjonsforsøkene produserte 607 resultater etter sortering. Av disse ble 558 forespørsler blokkert av brannmuren, mens 49 funn ble ansett som relevante for videre utbedring. Førtiåtte av disse 49 funnene var knyttet til kommandoinjeksjon eller server-side forespørselssvindel.

Menneskelig gjennomgang var det siste valideringstrinnet. Kontrollører sjekket om forespørslene faktisk nådde målet, om de forble ondsinnede, om de var tydelig ikke blokkert, om de lå innenfor ansvarsområdet til brannmuren, og om de kunne reproduseres på en trygg måte. Tilfeller som besto denne kontrollen ble evaluert som kandidater for endringer i regler, normalisering eller andre tiltak.