Cogent 用 OpenAI 模型搭建企业网络防御工厂，智能体从排查一路干到验证修复

OpenAI 官方博客介绍了与安全公司 Cogent 的合作：Cogent 把 OpenAI 模型与企业自有上下文结合起来，构建面向企业的网络防御工厂（Cyber Defense Factories），由 AI 智能体自动排查并修复漏洞。

文章给出的问题判断很直接：企业眼下最难的不是发现漏洞，而是把漏洞修好。修复工作横跨多个团队，需要理解攻击者会如何利用某个漏洞、哪些业务系统受影响、以及哪些改动可以安全实施。

技术组合上，Cogent 的智能体把 GPT-6.1 Sol 与 GPT-5.6 同企业上下文和控制规则结合，覆盖从调查到已验证修复的全过程，前置规划与复杂推理由 GPT-6 Astra 承担。Cogent 联合创始人兼 CTO Geng Sng 表示，OpenAI 模型能长时间承接任务，让智能体得以把工作一路从调查推进到验证过的修复。

让智能体有权限动手的关键是上下文层。Cogent 的 Context Engine 维护一张企业知识图谱，记录资产、漏洞、身份、归属关系和依赖，后台智能体持续对齐各类安全工具的数据。Geng Sng 把它形容为企业的记忆装置：不必每次新任务都重新认识一遍环境，从而降低延迟、推理成本和结果不一致。

权限控制分成两层。Agent Policies 定义每家企业允许的改动与审批要求，策略执行引擎 TRACE 在执行前对工具调用做确定性校验，不需要额外的模型推理；Agent Gateway 独立复核授权，高风险操作可放进隔离沙箱。客户可以选择只让智能体做调查、改动需人工审批，或允许有限范围内的自主修复。

效果方面，在 PHP 语言的严重漏洞 PHP2Shell 披露期间，已经把工厂部署进环境的客户用它定位受影响系统、评估暴露面，并生成考虑应用依赖与运维约束的修复计划，随后按自定义流程执行并验证。Cogent 称一家财富 1000 强汽车客户把关键漏洞的平均修复时间缩短 75%，一家财富 500 强 IT 服务客户把漏洞分诊吞吐量提升 5 倍；交易平台 MarketAxess 则表示，Cogent 能像攻击者一样看待其环境，追溯从互联网到脆弱系统的路径。

这篇案例真正的看点，是安全智能体从告警和摘要走向被授权的执行层。修复动作要真正落地，上下文、审批与审计三件事必须同时成立。接下来值得关注的是这类结果在更多漏洞事件中能否复现，以及企业愿意把自主修复的边界放到多宽。