OpenAI публикует open-source Codex Security: как сканировать, проверять и устранять уязвимости

Введение

OpenAI тихо опубликовала исходный код интерфейса командной строки Codex Security и TypeScript SDK.

Этот публичный пакет @openai/codex-security предназначен для помощи командам безопасности и разработки:

• Сканировать кодовые базы на предмет уязвимостей.
• Проверять обоснованные находки.
• Анализировать изменения перед слиянием кода.
• Отслеживать находки при нескольких сканированиях.
• Помечать и запоминать ложные срабатывания.
• Проверять, устраняет ли исправление исходную проблему.
• Экспортировать структурированные результаты для автоматизации.
• Интегрировать проверки безопасности в рабочие процессы CI/CD.
• Создавать пользовательские инструменты безопасности с помощью TypeScript SDK.

Кодовая база опубликована под лицензией Apache License 2.0.

Это означает, что код CLI и SDK является открытым. Но это не означает, что весь сервис Codex Security, его базовые модели, каждая защищённая находка или неограниченный сетевой доступ теперь доступны офлайн бесплатно.

Для запуска сканирования по-прежнему требуется доступ к Codex Security. OpenAI также заявляет, что некоторые сканирования всего репозитория, защищённые находки и расширенные запросы кибербезопасности могут требовать одобрения через доверенный доступ для кибербезопасности (Trusted Access for Cyber).

Это различие очень важно:

Открытый CLI и SDK
≠
Модель безопасности с открытыми весами
≠
Неограниченный облачный доступ к сканированию

Codex Security изначально был внутренним проектом под названием Aardvark. Позже он вошёл в Codex как агент безопасности в форме исследовательского предварительного просмотра, а новый публичный пакет теперь позволяет разработчикам использовать сканер в локальном терминале, внутренних инструментах, массовых операциях с кодовыми базами, проверках перед коммитом и конвейерах CI.

От Aardvark к Codex Security

OpenAI впервые представила Aardvark в октябре 2025 года как интеллектуального исследователя безопасности на базе GPT-5.

Первоначальная система проектировалась так, чтобы больше напоминать человека-исследователя прикладной безопасности, а не традиционный сканер сигнатур.

Aardvark не просто сопоставлял код с известными шаблонами — он мог:

• Читать кодовую базу.
• Строить модель того, как работает система.
• Проверять новые коммиты.
• Рассуждать об эксплуатируемости.
• Писать и запускать тесты.
• Использовать инструменты безопасности.
• Объяснять уязвимости.
• Предлагать точечные патчи.

В марте 2026 года OpenAI переименовала Aardvark в Codex Security и интегрировала его в Codex.

Продукт стал доступен как исследовательский предварительный просмотр через Codex Web для некоторых пользователей тарифов ChatGPT с поддержкой подключённых репозиториев GitHub.

Последующий выпуск с открытым исходным кодом добавил другой уровень развёртывания.

Разработчики теперь могут устанавливать CLI или импортировать TypeScript SDK, а управляемый облачный опыт Codex Security остаётся отдельным.

Что именно было открыто

Публичный репозиторий GitHub содержит:

• Codex Security CLI.
• TypeScript SDK.
• Ресурсы Docker и Docker Compose.
• Поддержку команд для CI и структурированного вывода.
• Функции управления историей сканирования и находками.
• Документацию и файлы для участников.

Пакет опубликован в npm как:

@openai/codex-security

Лицензия Apache-2.0 для этой кодовой базы обычно разрешает использование, модификацию и распространение в рамках условий лицензии.

Что не включено в виде открытой модели

Этот

релиз не предоставляет весов GPT-5.6 Sol, Terra или специальных моделей Codex Security.

По умолчанию сканирование в настоящее время использует:

gpt-5.6-sol
интенсивность рассуждений: xhigh

CLI вызывает сервис рассуждений через аутентифицированный доступ.

Репозиторий также документирует варианты провайдеров для выбранных моделей (например, OpenRouter и Fireworks), но рабочие процессы сканирования Codex Security и защищённые сетевые возможности могут по-прежнему требовать авторизации со стороны OpenAI.

Открытый исходный код не снимает контроль доступа

Установка npm-пакета не означает получение разрешения на запуск каждого сканирования.

Документация OpenAI поясняет:

• Требуется доступ к Codex Security.
• Для некоторых репозиториев или запросов может потребоваться «доверенный сетевой доступ».
• Вход в систему или настройка ключа API автоматически не предоставляют «доверенный доступ».
• Находки безопасности могут содержать конфиденциальные фрагменты исходного кода и детали эксплуатации.
• Пользователи должны сканировать только тот код, который им принадлежит или который они имеют право оценивать.

Публичный код делает рабочие процессы проверяемыми и расширяемыми. Он не снимает уровни безопасности и авторизации, окружающие расширенное сетевое использование.

Почему этот выпуск важен

ИИ-агенты программирования генерируют и модифицируют программное обеспечение быстрее, чем многие организации успевают его проверять.

Это создаёт узкое место в безопасности.

Продукт может превратиться из идеи в развёрнутое приложение за дни или часы, тогда как традиционная проверка безопасности приложений может по-прежнему полагаться на:

• Ручное моделирование угроз.
• Конфигурацию статического анализа.
• Тестирование на проникновение.
• Проверку зависимостей.
• Ручную сортировку.
• График релизов.
• Доступность команды безопасности.

Проблема не только в том, что разработчикам не хватает отчётов об уязвимостях.

Многие сопровождающие уже получают слишком много отчётов, включая:

• Повторяющиеся находки.
• Предупреждения с низким влиянием.
• Неверные оценки серьёзности.
• Недостижимые пути кода.
• Находки без доказательств.
• Общие рекомендации по исправлению.
• Отчёты, игнорирующие архитектуру проекта.

Codex Security спроектирован вокруг противоположной цели: меньше находок с большим контекстом и доказательствами, помогающими рецензентам решить, что исправлять.

Как работает Codex Security

OpenAI описывает систему как многоэтапный рабочий процесс безопасности приложений.

1. Построение контекста репозитория и модели угроз

Codex Security сначала изучает репозиторий, чтобы понять структуру проекта, связанную с безопасностью.

Он пытается определить:

• Что делает система.
• Какие компоненты доверяют друг другу.
• Где входит пользовательский ввод.
• Какие границы разделяют пользователей, арендаторов, роли или сервисы.
• Какие операции обладают привилегиями.
• Какие активы являются чувствительными.
• Где система открыта для атакующих.

Результатом является модель угроз для конкретного проекта, а не универсальный контрольный список.

Команды могут добавлять архитектурную документацию, политики безопасности, ключевые области и известные векторы атак для улучшения этого контекста.

1. Поиск уязвимостей в контексте

При проверке релевантного кода агент использует модель угроз для оценки реального влияния.

Это позволяет ему рассуждать о проблемах, которые трудно понять изолированно правилам-сканерам.

Примеры могут включать:

• Пробелы авторизации между границами арендаторов.
• Косвенную инъекцию

подсказок с доступом к привилегированным инструментам.

• Раскрытие чувствительных данных через отслеживание прокси.
• Обход аутентификации.
• Подделку серверных запросов.
• Опасные взаимодействия между обычными компонентами.

Сканер может проверять:

• Весь репозиторий кода.
• Один или несколько выбранных путей.
• Диапазон коммитов.
• Изменения в pull request.
• Изменения в рабочем дереве — промежуточные и непромежуточные.
• Несколько репозиториев в массовой активности.

1. Проверка обоснованных находок

Где это возможно, Codex Security пытается проверить проблемы с высоким сигналом в изолированной среде.

Проверка помогает ответить:

• Доступен ли уязвимый путь.
• Реалистичны ли предложенные условия эксплуатации.
• Работает ли концептуальное доказательство.
• Правильно ли классифицирована проблема.
• Может ли находка повлиять на работающую систему.

Этот шаг направлен на снижение ложных срабатываний.

Он не гарантирует, что каждая находка была воспроизведена, и не доказывает, что полное сканирование подтверждает безопасность репозитория.

Файл coverage.json сканирования фиксирует статус покрытия:

Полное
Частичное
Неизвестное

Рецензенты должны читать исключения, отложенные области и нерешённые проблемы, прежде чем считать сканирование доказательством всесторонней проверки.

1. Предложение точечных исправлений

Для принятых находок Codex Security может предлагать патч, предназначенный для адаптации к текущей системе.

Цель — не просто заставить сканер замолчать.

Хорошее исправление должно:

Устранить или смягчить первопричину.

• Сохранить ожидаемое поведение приложения.
• Избегать широкомасштабного несвязанного рефакторинга.
• Свести к минимуму регрессии.
• По возможности включить доказательства или тесты.
• Оставить возможность для проверки инженером-человеком.

Сканирование Codex Security по умолчанию предоставляет только отчет. Предлагаемые исправления по-прежнему должны проходить через обычный процесс проверки кода, тестирования и контроля развертывания.

1. Обучение на основе отзывов о проверках

CLI хранит историю сканирования и поддерживает обратную связь по обнаружениям.

Проверяющие могут пометить обнаружение как ложное срабатывание и указать причину.

Последующие сканирования могут учитывать это объяснение при повторной проверке текущего кода.

Это помогает сканеру адаптироваться к специфике конкретного репозитория, не подавляя навсегда пути кода, которые могут стать уязвимыми в будущем.

Результаты, сообщенные OpenAI

OpenAI опубликовала несколько показателей внедрения и качества по результатам предварительных развертываний.

Это показатели, сообщенные компанией, а не результаты независимого сравнительного тестирования.

Исследовательский предпросмотр, март 2026 г.

OpenAI сообщает, что за 30-дневный период Codex Security:

OpenAI также сообщает об улучшениях в бета-версии:

• Снижение нежелательных предупреждений на 84% в репозитории с непрерывным сканированием.
• Снижение обнаружений с завышенной серьезностью более чем на 90%.
• Снижение ложных срабатываний в репозиториях более чем на 50%.

Обновление Daybreak, июнь 2026 г.

OpenAI также заявила, что облачная версия Codex Security теперь включает:

Масштабы значительны, однако эти цифры не следует интерпретировать как контролируемое сравнение с CodeQL, Semgrep, Snyk или ручным тестированием на проникновение.

Эти инструменты работают по-разному и могут по-разному измерять обнаружения, исправления и покрытие.

Интерфейсы Codex Security

Codex Security доступен через несколько связанных интерфейсов.

Публичный CLI и SDK используют тот же общий рабочий процесс сканера, что и плагин, однако доступность функций и зрелость могут различаться между каталогом плагинов, пакетами CLI и облачной исследовательской предварительной версией.

Краткое руководство: установка и запуск Codex Security

Следующие команды соответствуют текущей официальной документации OpenAI по CLI.

Шаг 1: Проверка предварительных требований

CLI требует:

Node.js 22 или новее
Python 3.10 или новее
Доступ к Codex Security

В репозитории GitHub в настоящее время указан более конкретный диапазон поддерживаемых версий Node.js, включая последние версии 22.x, 24.x и 26.x.

Проверьте ваше окружение:

node --version
python3 --version

Шаг 2: Установка пакета

Установите Codex Security из npm:

npm install @openai/codex-security

Проверьте установленную версию:

npx @openai/codex-security --version

Список команд:

npx @openai/codex-security --help

Шаг 3: Аутентификация

Для локального интерактивного использования войдите с помощью учетной записи ChatGPT:

npx @openai/codex-security login

Для удаленных машин или машин без головы:

npx @openai/codex-security login --device-auth

Для CI или других автоматизированных процессов укажите API-ключ через переменные окружения:

export OPENAI_API_KEY="<ваш-api-ключ>"

Не помещайте API-ключ в систему контроля версий.

Используйте менеджер секретов или защищенную систему секретов платформы CI.

Когда доступны и сохраненный вход ChatGPT, и API-ключ, явно выберите нужный метод:

npx @openai/codex-security scan . --auth chatgpt

или:

npx @openai/codex-security scan . --auth api-key

Аутентификация не предоставляет автоматически Trusted Access от Cyber.

Шаг 4: Выбор приватного выходного каталога

OpenAI рекомендует хранить результаты вне сканируемого репозитория.

Отчеты могут содержать:

• Фрагменты исходного кода.
• Доказательства уязвимостей.
• Материалы для подтверждения концепции.
• Детали архитектуры.
• Чувствительные пути.
• Рекомендации по исправлению.

Подготовьте целевой каталог и каталог результатов:

REPOSITORY=/path/to/repository
SCAN_DIR=/path/outside/repository/codex-security-results

Если каталог устойчивого состояния по умолчанию недоступен для записи, выберите другой приватный каталог:

export CODEX_SECURITY_STATE_DIR=/path/outside/repository/codex-security-state

Шаг 5: Выполнение пробного запуска

Проверьте локальные пути и конфигурацию сканирования перед началом работы модели:

npx @openai/codex-security scan "$REPOSITORY" \
--output-dir "$SCAN_DIR" \
--dry-run

Пробный запуск не запускает Codex и не загружает учетные данные для сканирования.

Шаг 6: Выполнение первого сканирования

Запустите стандартное сканирование репозитория:

npx @openai/codex-security scan "$REPOSITORY" \
--output-dir "$SCAN_DIR"

Запросите машиночитаемый формат JSON в стандартном выводе:

npx @openai/codex-security scan "$REPOSITORY" \
--output-dir "$SCAN_DIR" \
--json

По умолчанию Codex Security в настоящее время использует:

Модель: gpt-5.6-sol
Интенсивность рассуждений: xhigh

Конфигурации с более низкой стоимостью могут использовать другие поддерживаемые модели и уровни интенсивности:

npx @openai/codex-security scan "$REPOSITORY" \
--model gpt-5.6-terra \
--effort high

Поддерживаемые уровни интенсивности включают:

minimal (минимальный)
low (низкий)
medium (средний)
high (высокий)
xhigh (экстремально высокий)

Более низкая интенсивность может сократить время и затраты, но также может снизить глубину проверки.

Результаты полного сканирования

Стандартный каталог результатов может содержать:

codex-security-results/
├── scan-manifest.json
├── findings.json
├── coverage.json
├── report.md
├── artifacts/
└── exports/
└── results.sarif

report.md

Основной отчёт, предназначенный для чтения человеком.

findings.json

Структурированные результаты, включая серьёзность, уверенность, затронутые места, доказательства и рекомендации по исправлению.

coverage.json

Объём проверки, исключения, отложенные работы, нерешённые вопросы и оценка полноты.

scan-manifest.json

Цели, область действия, информация о производителе и ссылки на защищённые артефакты.

artifacts/

Отчёты об уязвимостях, файлы подтверждения концепции или соответствующие доказательства (при наличии).

Экспорт SARIF

SARIF может использоваться GitHub Code Scanning и другими совместимыми инструментами безопасности.

Сканирование только важных областей

Крупные монорепозитории не всегда требуют полного сканирования при каждом запуске.

Выбор конкретных путей:

npx @openai/codex-security scan "$REPOSITORY" \
--path services/billing \
--path packages/auth

Это полезно, когда релиз затрагивает конкретные сервисы или границы безопасности.

Проверка pull request или диапазона коммитов

Сканирование изменений, закоммиченных между базовой ревизией и HEAD:

npx @openai/codex-security scan "$REPOSITORY" \
--diff origin/main \
--head HEAD

Параметр репозитория должен указывать на корень рабочего дерева Git, а требуемые ревизии должны существовать локально.

Проверка незакоммиченных изменений

Сканирование подготовленных и неподготовленных изменений относительно HEAD:

npx @openai/codex-security scan "$REPOSITORY" \
--working-tree \
--base HEAD

Это полезно перед созданием pull request или коммитом изменений, критичных для безопасности.

Использование режима глубокого сканирования

Когда обычного сканирования недостаточно, запустите более полную проверку:

npx @openai/codex-security scan "$REPOSITORY" \
--mode deep

Глубокий режим занимает больше времени и может потреблять больше ресурсов модели.

Текущая документация OpenAI указывает, что поддерживаются цели в виде репозитория и путей, но не цели diff или рабочего дерева.

Добавление контекстной архитектуры и информации о безопасности

Предоставление внутренней документации, помогающей агенту правильно понимать систему:

npx @openai/codex-security scan "$REPOSITORY" \
--knowledge-base /path/to/architecture.md \
--knowledge-base /path/to/security-policies

Полезный контекст может включать:

• Границы доверия.
• Архитектуру аутентификации.
• Правила изоляции арендаторов.
• Классификацию чувствительных данных.
• Ожидаемые сетевые пути.
• Инварианты безопасности.
• Модели угроз.
• Известные исключения.
• Компенсирующие меры контроля.

Не включайте конфиденциальную информацию без необходимости.

Эти файлы являются частью чувствительного к безопасности рабочего процесса сканирования и должны подчиняться надлежащим правилам хранения и контроля доступа.

Контроль затрат на сканирование

Установка оценочного лимита стоимости модели в долларах США:

npx @openai/codex-security scan "$REPOSITORY" \
--max-cost 5

Уже выполняющиеся запросы могут завершиться после достижения лимита, поэтому итоговая сумма может превысить порог.

Когда сканирование с ограничением затрат останавливается, Codex Security сохраняет уже полученные результаты.

Частичные результаты не следует рассматривать как полное покрытие репозитория.

Добавление предкоммитной проверки безопасности

Установка встроенного Git-хука:

npx @openai/codex-security install-hook

Этот хук сканирует подготовленные и неподготовленные изменения перед коммитом.

OpenAI заявляет, что он блокирует:

• Выводы высокой серьёзности.
• Ошибки сканирования.

Он не заменяет существующие предкоммитные скрипты.

Команды должны проверить, как этот хук взаимодействует с локальной производительностью, правами доступа разработчиков, затратами на модель и существующими lint- или тестовыми хуками, прежде чем включать его в масштабах организации.

Сканирование нескольких репозиториев

Сначала проверьте GitHub CLI:

gh auth login

Запуск интерактивного процесса обнаружения репозиториев:

npx @openai/codex-security bulk-scan

Текущий интерактивный процесс исключает архивированные репозитории и форки и запрашивает подтверждение перед сканированием.

Использование подготовленного CSV-списка для повторяемых операций сканирования:

npx @openai/codex-security bulk-scan repositories.csv \
--output-dir /path/outside/repositories/security-scans \
--workers 4

Повторный запуск той же команды позволяет возобновить операции сканирования без повторного сканирования репозиториев, уже имеющих полные артефакты результатов.

Запуск массового сканирования в Docker

Публичный репозиторий содержит ресурсы Docker и Compose.

При наличии доступа к учётной записи с необходимыми образами и окружением пример массовой команды:

docker compose run --rm codex-security \
bulk-scan /input/repositories.csv \
--output-dir /output \
--workers 4

OpenAI рекомендует:

• Использовать Linux Docker-хост.
• Поддержку непривилегированных пользовательских пространств имён.
• Частные постоянные каталоги для результатов и состояния входа.
• Предоставление секретов через окружение или менеджер секретов.
• При наличии — опциональное включение усиления AppArmor.

Контейнеризация снижает часть воздействия на хост, но не делает авторизованное сканирование безопасности полностью безрисковым.

Отслеживание результатов между запусками

Перечисление предыдущих сканирований репозитория:

npx @openai/codex-security scans list "$REPOSITORY"

Просмотр сохранённого сканирования:

npx @openai/codex-security scans show SCAN_ID

Пометка проверенного результата как ложноположительного:

npx @openai/codex-security findings false-positive FINDING_OCCURRENCE_ID \
--reason "Этот маршрут уже проверяет права доступа"

Повторный запуск сохранённого сканирования с его исходными настройками:

npx @openai/codex-security scans rerun SCAN_ID

Сопоставление результатов по первопричине:

npx @openai/codex-security scans match

PREVIOUS_SCAN_ID CURRENT_SCAN_ID

Сравнение результатов сканирования:

```Bash
npx @openai/codex-security scans compare PREVIOUS_SCAN_ID CURRENT_SCAN_ID

Сравнение позволяет классифицировать находки по следующим категориям:

• Новые.
• Существующие.
• Повторно открытые.
• Исправленные.
• Неизвестные.

Если последующее сканирование не покрывает соответствующую область, отсутствующие находки остаются в статусе неизвестных.

Использование TypeScript SDK

Тот же npm-пакет содержит TypeScript SDK в формате ECMAScript-модуля.

Для работы требуется серверный Node.js 22 или новее, а для сканирования также Python 3.10 или новее.

Базовая интеграция выглядит следующим образом:

import { CodexSecurity } from "@openai/codex-security";

const security = new CodexSecurity();

try {
const result = await security.run("/path/to/repository", {
outputDir: "/path/outside/repository/results",
});

console.log(result.reportPath);
console.log(result.coverage.completeness);
console.log(result.findings.findings.length);
} finally {
await security.close();
}

SDK поддерживает длительные рабочие процессы благодаря следующим функциям:

• Предварительные проверки.
• Типизированные находки.
• Детализация покрытия.
• Обратные вызовы прогресса.
• Ограничение预估 стоимости.
• Отмена операций.
• Управление жизненным циклом сканирования.
• Доступ к путям артефактов.

Многократно используемые приложения должны создавать клиент, запускать необходимые сканирования и закрывать клиент для освобождения изолированной среды выполнения.

Добавление Codex Security в CI

Официальное руководство OpenAI по CI демонстрирует использование GitHub Actions для сканирования pull request'ов.

Рекомендуемый подход:

1. Храните API-ключ как защищённый секрет репозитория или организации.
2. Устанавливайте Codex Security вне каталога клонированного репозитория.
3. Фиксируйте версию пакета.
4. Клонируйте полную историю Git, но не сохраняйте учётные данные.
5. Вычисляйте базовую точку слияния.
6. Сканируйте только изменения в pull request'е.
7. Экспортируйте SARIF.
8. Загружайте SARIF в GitHub Code Scanning.
9. Сохраняйте артефакты сканирования.
10. Добавляйте политику серьёзности только после проверки качества сканирования и времени выполнения.

Официальный пример фиксирует конкретную версию пакета, доступную на момент выпуска. Команды должны осознанно обновлять эту версию после изучения примечаний к выпуску, а не автоматически запускать непроверенные инструменты безопасности с секретами репозитория.

Краткое представление основного этапа сканирования:

- name: Сканирование изменений pull request'а
env:
OPENAI_API_KEY: ${{ secrets.CODEX_SECURITY_API_KEY }}
BASE_SHA: ${{ github.event.pull_request.base.sha }}
HEAD_SHA: ${{ github.event.pull_request.head.sha }}
SCAN_DIR: ${{ runner.temp }}/codex-security-results
run: |
set -euo pipefail
BASE_REVISION="$(git merge-base "$BASE_SHA" "$HEAD_SHA")"

"$CODEX_SECURITY_BIN" scan . \
--diff "$BASE_REVISION" \
--head "$HEAD_SHA" \
--auth api-key \
--output-dir "$SCAN_DIR" \
--json

> "$RUNNER_TEMP/codex-security.json"

Этот фрагмент предполагает, что раннер уже установил и проверил CLI, клонировал заголовок pull request'а с полной историей и определил переменную CODEX_SECURITY_BIN.

Для производственных рабочих процессов используйте полное официальное руководство по CI, включая

фиксированные действия, экспорт SARIF, права доступа, хранение артефактов и проверку безопасности веток.

Место Codex Security в системе безопасности

Codex Security не заменяет все существующие меры безопасности.

Он может дополнять следующие инструменты:

• Статическое тестирование безопасности приложений.
• Анализ состава программного обеспечения.
• Сканирование секретов.
• Сканирование инфраструктуры как кода.
• Сканирование контейнеров.
• Обновление зависимостей.
• Фаззинг.
• Динамическое тестирование приложений.
• Ручное рецензирование кода.
• Тестирование на проникновение.
• Программы bug bounty.
• Мониторинг производственной среды.

Его уникальное преимущество — способность к контекстному рассуждению о структуре репозитория и системных намерениях.

Зрелая система безопасности может использовать детерминированные сканеры для обработки большого объёма известных паттернов и агентные сканеры — для анализа межфайловой логики, оценки эксплуатируемости, доказательств и рекомендаций по исправлению.

Что Codex Security не может гарантировать

Он не может доказать, что репозиторий безопасен

Ни один сканер не способен доказать отсутствие всех уязвимостей в произвольной реальной кодовой базе.

Частичное покрытие или неизвестное покрытие делает это ограничение ещё более значимым.

Проверка не является универсальной

Некоторые находки можно протестировать в изолированной среде.

Другие зависят от:

• Производственных данных.
• Внешних сервисов.
• Конфигурации инфраструктуры.
• Аппаратного обеспечения.
• Учётных данных.
• Бизнес-логики.
• Поведения пользователей.

Находка без автоматического доказательства не означает автоматически ложное срабатывание, а проверенное доказательство не раскрывает все варианты данной уязвимости.

Находки ИИ всё равно требуют ручной проверки

Модели могут неправильно понимать архитектуру, переоценивать влияние, предлагать неполные исправления или вызывать регрессии.

Ответственные за безопасность должны проверять доказательства и предложения по исправлению.

Открытый исходный код пакета всё равно требует вызова модели

Исходный код пакета является публичным, но сканирование по умолчанию не является полностью локальным статическим двоичным файлом, независимым от доступа к рассуждению.

Использование модели может вызывать соображения стоимости, обработки данных и лицензирования.

Чувствительные выходные данные требуют защиты

Каталог результатов может быть более чувствительным, чем обычные выходные данные сборки.

Не загружайте подробные находки, файлы proof-of-concept или фрагменты уязвимого исходного кода в публичные артефакты.

Ограничение доступа к сети — только для санкционированных целей

Используйте инструмент только на репозиториях и системах, которыми вы владеете или на которые получили явное разрешение для оценки.

Контроль доступа OpenAI не заменяет юридическую авторизацию.

Сканер безопасности также нуждается в модели угроз

Самое большое концептуальное преимущество Codex Security одновременно является практическим требованием.

Агенту нужен точный контекст.

Только репозитория может быть недостаточно, чтобы объяснить:

• Какой сервис доступен публично.
• Какой поставщик удостоверений является доверенным.
• Существуют ли сетевые границы.
• Какие данные являются чувствительными.
• Какие проверки авторизации выполняются выше по цепочке.
• Какая функция развёртывания отключена.
• Какие риски организация принимает.

Недостаточный контекст может привести к низкому качеству находок.

Команды должны рассматривать редактируемые модели угроз и базы знаний как первоклассные активы безопасности, а не как необязательное украшение подсказок.

Часто задаваемые вопросы

Что такое Codex Security?

Codex Security — это агент безопасности приложений от OpenAI для обнаружения, проверки, определения приоритетов и помощи в исправлении уязвимостей. Он происходит из внутреннего проекта Aardvark и теперь доступен.

Реализован через плагин, CLI, TypeScript SDK и облачные рабочие процессы с подключением репозиториев.

Является ли Codex Security полностью открытым исходным кодом?

CLI и TypeScript SDK опубликованы на GitHub под лицензией Apache 2.0.

Лицензия выпущена публично. Базовые модели OpenAI, управляемый облачный сервис, защищённые результаты обнаружения и неограниченный доступ к кибербезопасности не публикуются в виде компонентов с открытым исходным кодом или открытыми весами.

Может ли кто-либо установить и запустить Codex Security?

Любой может получить доступ к публичным пакетам, но для запуска сканирования требуется доступ к Codex Security. Некоторые виды сканирования всего репозитория или расширенные сетевые возможности могут также требовать «Доверенного доступа для кибербезопасности» (Trusted Access for Cyber).

Какую модель использует Codex Security?

Текущая документация CLI указывает, что сканирование по умолчанию использует GPT-5.6 Sol с уровнем усилий рассуждения xhigh. Пользователи могут выбирать другие поддерживаемые модели и уровни усилий, а в публичном репозитории также задокументированы конфигурации отдельных сторонних поставщиков.

Может ли Codex Security сканировать запросы на включение изменений (pull requests)?

Да. CLI может сканировать зафиксированные изменения между базовой и головной ревизиями, поэтому он подходит для рабочих процессов с запросами на включение изменений. OpenAI также предоставляет официальные руководства по GitHub Actions с поддержкой экспорта SARIF и хранения артефактов.

Исправляет ли Codex Security уязвимости автоматически?

Он может предлагать ограниченные по объёму исправления и помогать проверять, устраняет ли изменение обнаруженную проблему. По умолчанию сканирование только формирует отчёт; человек должен проверить, протестировать и одобрить исправления перед объединением изменений или развёртыванием.

Можно ли запускать Codex Security в Docker?

Репозиторий содержит ресурсы Docker и Docker Compose для неинтерактивного пакетного сканирования. OpenAI рекомендует использовать приватное постоянное хранилище, управление ключами, поддерживаемые механизмы изоляции Linux и, при желании, усиление с помощью AppArmor.

Гарантирует ли чистый отчёт Codex Security безопасность моего приложения?

Нет. Охват может быть полным, частичным или неизвестным, и ни один автоматический сканер не может гарантировать отсутствие уязвимостей в сложных приложениях. Используйте Codex Security как часть более широкой программы безопасной разработки.

Связанные инструменты

• Codex Security: официальный обзор плагинов, CLI, SDK, облачного сканера и поддерживаемых рабочих процессов.
• Репозиторий Codex Security на GitHub: исходный код CLI, TypeScript SDK, ресурсов Docker и процессов внесения вклада под лицензией Apache-2.0.
• Codex Security на npm: опубликованный пакет для установки CLI и SDK.
• Codex CLI: открытый локальный агент кодирования и хост плагинов от OpenAI.
• GitHub Code Scanning: интерфейс GitHub для результатов уязвимостей, совместимый с SARIF.
• CodeQL: семантический движок анализа кода GitHub для обнаружения уязвимостей на основе запросов.
• Semgrep: платформа статического анализа на основе правил, дополняющая агентную проверку безопасности.
• OWASP Juice Shop: намеренно уязвимое приложение для авторизованного обучения безопасности и оценки сканеров.

Связанные ссылки

• Документация Codex Security: официальная отправная точка для интерфейсов продукта и рабочих процессов.
• Краткое руководство по CLI Codex Security: официальные инструкции по установке, аутентификации, сканированию, истории, бюджету, пакетным операциям и Docker.
• TypeScript SDK Codex Security: официальная документация по настройке SDK, жизненному циклу сканирования, типизированным результатам, прогрессу и отмене.
• Запуск Codex Security в CI: полный рабочий процесс GitHub Actions и SARIF от OpenAI.
• Предварительный обзор Codex Security: статья OpenAI от марта 2026 года и предварительные показатели.
• Знакомство с Aardvark: оригинальное описание интеллектуального исследователя безопасности, который стал Codex Security.
• Инициатива Daybreak по безопасности: обновление OpenAI от июня 2026 года о масштабах Codex Security, работе над открытым исходным кодом и инструментах защиты киберпространства.

Резюме

OpenAI открыла исходный код CLI и TypeScript SDK проекта Codex Security, предоставив разработчикам публичную основу под лицензией Apache-2.0 для сканирования репозиториев, проверки изменений, истории сканирования, проверки исправлений, пакетных операций, экспорта SARIF, CI-проверок и настраиваемых интеграций безопасности.

Этот агент отличается от базовых сканеров паттернов: он строит контекст репозитория и модель угроз, ищет уязвимости в этом контексте, по возможности проверяет подозрительные проблемы и предлагает ограниченные по объёму исправления для ручной проверки.

Данный выпуск не является неограниченной локальной моделью безопасности. Для запуска сканирования по-прежнему требуется авторизованный доступ к выводам модели, а некоторые расширенные рабочие процессы кибербезопасности могут требовать «Доверенного доступа для кибербезопасности». Чувствительные результаты обнаружения и фрагменты исходного кода также требуют тщательного контроля хранения и хранения в течение определённого срока.

Codex Security наиболее полезен в рамках многоуровневой программы безопасности приложений, а не как доказательство отсутствия уязвимостей в репозитории.

Ключевое изменение заключается в том, что при строгом соблюдении авторизации, моделирования угроз, проверки и ручного утверждения в процессах команды проверка безопасности теперь может приближаться к скорости разработки с помощью ИИ.