OpenAI Daybreak 在 Block 的应用：AI 安全成果、分诊吞吐量提升 50% 与 18 分钟补丁提案
OpenAI 于 2026 年 10 月 14 日发布了一篇客户故事，描述 Block——Square、Cash App 和 Afterpay 的母公司——如何使用 OpenAI 的安全工具（包括 OpenAI Daybreak 和 OpenAI Defense Factory）来自动化漏洞发现、检测和响应。核心宣称是速度：以前需要数天或数周的工作现在只需数小时即可完成，Block 报告称分诊吞吐量提升了 50%，情报收集和调查效率提高了 50%，每季度完成了约 1,100 个分析小时的调查。
这篇文章是一份客户案例研究，而非技术论文或产品发布。其中没有模型版本号、基准测试方法，也没有对所报告数据的独立验证——所有数字均来自 Block 自身的安全团队，并由 OpenAI 进行描述。
OpenAI 宣布了什么
OpenAI 发布了一篇关于 Block 安全组织的客户故事，围绕两个指定的 OpenAI 产品展开：OpenAI Defense Factory 和 OpenAI Daybreak。Defense Factory 被描述为 AI 以任何人类团队都无法企及的规模处理漏洞发现、检测和响应的环境。Daybreak 是 Block 团队在其基础上构建的模型。
Block 的首席信息安全官 James Nettesheim 将这一转变视为攻击者与防御者优势的重新平衡：
“AI 正在压缩从人类意图到行动的时间。有一段时间，人们认为攻击者具有优势，因为他们更快、更灵活。但借助 Daybreak 以及 OpenAI 工具的进步，防御者能够以火攻火，跟上 AI 快速采用的步伐。”
Block 如何描述与模型的协作
Block 的安全团队将 AI 描述为可扩展的队友，而非传统自动化。Nettesheim 直接对比了两者：
“其核心在于拥有一个你可以与之共同扩展的新队友。这不像更传统的自动化那样需要一步一步来。你可以用相当定制化、模糊的问题来提示它，并共同解决。”
根据这篇文章，审查软件漏洞或解析日志等任务以前需要数天或数周，现在只需一小部分时间即可完成，并且每个结果都有人类进行验证。
成果一览
OpenAI 列出了以下数据，均归因于 Block 的安全团队：
| 指标 | 报告结果 |
|---|---|
| 将提议的检测更改对照七个月的遥测数据进行重放 | 不到一小时 |
| 从高级漏洞到自动提出的补丁（最近的 red team 演练） | 18 分钟 |
| 返给团队的误报分诊时间 | 每季度约 600 个分析小时 |
| 完成的调查工作 | 每季度约 1,100 个分析小时 |
| 分诊吞吐量 | 提升 50% |
| 情报收集和调查 | 提高 50% |
检测调优：将更改对照七个月的遥测数据进行重放
Block 的检测调优工作流程会存储每次调查的原始查询证据。这些存储的证据使团队能够在一小时内将提议的检测更改对照七个月的生产遥测数据进行重放。文章指出，这项工作以前需要手动重新查询数百个旧案例，而且由于耗时过长，往往根本无法进行。
漏洞发现：将攻击链式组合成完整的入侵路径
传统的扫描工具会孤立地标记单个漏洞。根据文章，Daybreak 则帮助推断攻击模式，并将一系列攻击链式组合成完整的端到端入侵路径，从而发现可能已存在多年的漏洞。
文章中描述了一个例子：单台笔记本电脑上的一个警报单独看似乎只是一个小型策略问题。在同行评审期间，模型追踪了一个仅在证据中偶然出现的指标，将其与 Block 的身份日志进行关联，并发现了更大范围的问题。Nettesheim 对该案例的总结：
“一个常规端点警报演变成了一次活动清除。没有任何单一工具能实现这种关联。信号只存在于两个产品的日志中。”
Red team 结果：两小时对比数天
在最近的一次 red team 演练中，模型获得了关于内部系统的一些提示，并在约两小时内链式组合出一条完整的攻击路径——SQL 注入、权限提升、立足点、凭据枚举以及向其他系统的横向移动。文章指出，这通常需要人类 red team 成员花费数天时间。文章还报告称，在最近的 red team 演练中，从提交高级漏洞到自动提出补丁的时间为 18 分钟。
修复过程中保持人类参与
发现漏洞的价值只有通过修复能力才能体现。Nettesheim 描述了对每个发现都应用的一致流程：定位问题在代码中的位置，确定其归属者，然后进入修复阶段。用他的话说，团队会“提出补丁，你确认可利用性，然后验证修复完成，全程有人类参与指导并部署代码更改。”
文章明确说明了为什么人类仍然至关重要：智能体不具备组织的背景信息或先前决策背后的推理。人类提供这些背景和策略，Block 的团队则提供一层人工审查。Nettesheim 描述了一种逐步提升自主权的做法：
“我们会逐步提高风险等级，将其用于更敏感的系统。”
模型路由与安全框架
Block 报告称，它在选择哪个模型处理哪项任务方面变得更加有选择性。Nettesheim 指出了实践中的变化：
“我们过去使用最新模型，但现在不再需要了。为不同任务选择不同模型是一次学习经历。”
Block 的安全框架构建在 Daybreak 之上，用于将任务路由到合适的模型。该框架包括供人类接管任务的钩子，以及供智能体相互验证工作的机制。团队表示，他们会不断根据内部基准和实际表现评估这些系统，并在必要时调整方法——包括在负责任的情况下将工作路由到人工审查。
接下来是什么
仅检测和响应工作就每季度返还了约 600 个分析小时，这些时间以前用于处理误报。Block 表示，现在将这些时间用于更深入的调查和负责任地构建更多自动化。
展望未来，Nettesheim 指出要减少首先引入的漏洞数量，这将使安全团队花更少时间打补丁，而更多时间用于预防性和战略性工作。他将更广泛的影响概括为可及性：
“OpenAI 正在通过将这些先进能力交到每个人手中，将优势转向防御者。这些能力通常只在非常知名的科技公司和政府手中。但现在每个人，包括关键基础设施、学校、小企业，都可以开始利用这项技术来保护他们的网络。”
来源未提及的内容
OpenAI 的文章没有指明 Daybreak 背后的具体模型版本，没有描述 Defense Factory 的架构或定价，也没有公布 Block 提到的内部基准。这些性能数据是 Block 自行报告，并未经外部审计，因此应被视为供应商发布的客户说明，而非独立测量的评估。