Cloudflare开展了一项实验，让大型AI模型尝试攻破其Web应用防火墙（WAF）。模型以防火墙已拦截的攻击载荷为基础进行变异，根据此前尝试的处理结果，改变编码方式、载荷位置或发送方式。整个过程采用黑盒方式：模型看不到Cloudflare的规则集或内部信号。
测试结果
测试由一个Python测试框架编排。它负责构造HTTP请求、维护状态、设定限制并收集响应，AI则提出下一种变异方式并评估结果。在45种场景中，系统共生成1,107次变异尝试。经人工筛选，49项发现被认为值得进一步处理，其中48项涉及命令注入或服务器端请求伪造（SSRF）。这次测试促使Cloudflare更新其托管规则集（Managed Ruleset）：新增两项检测规则——SSRF – 混淆主机（SSRF – Obfuscated Host）和SSRF – 受限协议（SSRF – Restricted Protocol），并改进现有的SSRF – Cloud规则。
这一方法如何应用于其他场景
Cloudflare的测试框架与其他面向安全的测试框架类似。Google的Mandiant Agentic Vulnerability Discovery Harness会串联多个专用智能体，分别进行代码分析、提出假设和验证。OpenAI的Codex Security和Google的PageBreak也采用模型参与测试的方式，但会严格限制执行范围，并要求在应用任何修复前进行人工审查。
为什么重要
对于使用Cloudflare的网站所有者来说，这项AI驱动的测试意味着防火墙如今能拦截更多此前可能漏过的隐蔽SSRF攻击手法。这表明，在不暴露底层规则集的情况下，自动化、由模型引导的测试也能发现细微的攻击变体。不过，最终决定仍由人工分析人员作出，因此新增防护措施的推出速度可能取决于审核能力。
