一次安全任务的价值不在于模型说“发现了漏洞”,而在于团队能把一个可疑点交给维护者,再拿出可重放的修复证据。Daybreak 与 Claude CVP 可以减少合法防御任务被阻断的摩擦,但它们不会替团队确定资产归属、部署权限和最终验收标准。

本文把功能说明、新发布带来的基础设施要求和原创操作方法分开。官方事实核对日为2026-11-07;API请求体与提示词均为未执行示例。文中的Python例子只处理内存里的虚构身份,没有网络、仓库修改、真实客户信息或攻击载荷。

1. 先看功能:两套计划能帮助完成什么

Daybreak 是 OpenAI 的网络安全准入体系:Blue 适合常规授权防御,Red 对应另行批准的专门能力。Claude CVP 则以 Defense、Red Team、Specialized 三层组织访问。共同目标是让符合条件的安全工作更顺畅地使用模型;两者不是同一种验证标志,也不能互相替代。

ChatGPT Learn:模型与 Trusted Access · Claude Help:Cyber Verification Program

按工作产物选择能力,而不是按“通过验证”选择模型
防御任务可交付的产物必须保留的边界
代码审查与威胁建模带文件和证据的候选发现、信任边界说明静态怀疑不等于可利用或已暴露
检测与事件分析脱敏时间线、检测规则草案、待确认假设使用获准日志,不接入无关系统
修复与验证最小修改建议、回归条件、剩余风险人审批修改;通过测试不等于全系统安全
客户安全服务经审核的报告或补丁交付客户授权之外,还要核对供应商计划批准范围

例如,维护者已经拥有一段出错函数,真正需要的可能是整理证据和设计回归条件,而不是最高权限模型。先用当前获准入口完成低风险工作;只有任务需要且团队能满足控制要求时,才评估更高层级。本文的流程是一种工程建议,不是厂商要求购买某个套餐的推荐。

2. 11月5日新增了什么,哪些结论没有改变

OpenAI 的公开 API 更新日志将 GPT-6-Cyber 列为11月5日发布。当前模型页将其定位于漏洞调查、授权测试环境中的复现和修复验证;模型名为 gpt-6-cyber。这个发布时间不能证明你的 ChatGPT、Codex、Work 或 API 项目已经获得访问。

OpenAI API 更新日志:11月5日 GPT-6-Cyber · OpenAI:GPT-6-Cyber 模型说明

对照本站11月4日保存的可读官方文档,当前 Daybreak 指南增加了 Red API组织的 SSO/MFA 要求,以及 GPT-6-Cyber 的专门设置章节;表格也把新模型列为 Red 加额外模型批准。通用 Models and Trusted Access 文档的正文则没有变化。我们能证明抓取区间内的文档差异,不能据此给每条规则编造首次生效时刻。

OpenAI:Daybreak Responses API 指南 · ChatGPT Learn:模型与 Trusted Access

模型升级会同时改变能力、费用、工具组合和运维前提。把旧请求里的模型字符串替换掉只是迁移的一步;更可靠的方法是固定一次任务使用的模型、准入、项目、策略与输入版本,再比较相同验收条件。未完成对照时,把差异记为待验证,不要把更少拒答当成更高准确率。

3. 新 Red 项目:把准入落到实际基础设施

使用 GPT-6-Cyber 的 API 项目需要 Daybreak Red、额外模型批准和项目启用。官方还要求为请求出口配置 IP 白名单;若项目使用 ZDR,需要配置 PSP,检查存储为 Validated,项目策略为 Zero Data Retention with Private Safety Processing。所有 Red API组织还应要求 SSO 并在身份提供方执行 MFA。

OpenAI:Daybreak Responses API 指南

控制必须放在能实际阻止越界的位置
控制位置应确认的事实不能由此推断
组织和项目已获准模型、项目启用、凭证所属项目浏览器身份验证成功不代表API组织已批准
API入口到达供应商的公网出口与活动白名单匹配API白名单不会限制代理向外访问哪些主机
执行环境只读仓库副本、禁止网络、受控工具提示词写“不要越界”不能替代权限
数据控制准确项目的保留策略、存储验证和负责人设置store=false不能替代ZDR/PSP审批

OpenAI 的项目白名单有独立优先规则,不与组织列表合并;它控制发送到 OpenAI API 的请求,而不控制用户登录或代理运行时的网络。安全团队应分别审查“谁能调用模型”和“模型工具能到哪里”,避免一个入站开关掩盖了工具侧出口仍然开放的问题。

OpenAI:API IP 白名单 · ChatGPT Learn:推荐的安全配置

未执行的 Responses API 请求体片段;仅在明确批准的项目与模型范围内适用,不包含密钥,也不是成功回执。
{
  "model": "gpt-6-cyber",
  "access_programs": {
    "cyber": "daybreak_red"
  },
  "safety_identifier": "demo-user-01",
  "input": "仅为自有离线示例设计所有者权限修复的回归条件,不调用工具。"
}

4. CVP 的差异:授权工作区、人员与持续合规

CVP 批准后仍需按入口配置授权。Console 组织要给符合要求的工作区分配并激活 grant;支付套餐、看到模型名称或加入组织本身都不是证据。对指定工作区做成员变动、凭证变动或接入新服务前,应重新核对 grant 与资格面板,保留谁批准了变动的记录。

Claude Help:Cyber Verification Program · Claude Help:向 Console 工作区分配计划

当前个人申请只面向付费计划上的 Defense。个人安全要求明确区分交互入口的 OAuth 与适用时的程序工作负载 WIF,并规定12月15日的防钓鱼 MFA、长期静态凭证退出要求;过渡期密钥也有保存、个人使用和至少每7天更换等约束。既有客户可能仍按其当前条款,不能把新文档一概套到每个历史 grant。

Claude Help:CVP 安全要求 · Claude Help:Cyber Verification Program

对企业,持续控制还包括使用者归因、撤销、人员离职和事件处置。把“已批准”当成一次性里程碑会漏掉之后的配置漂移。WIF 令牌绑定服务账户与工作区,是减少长期密钥风险的方法,但上游身份提供方、工作区权限和日志仍要独立保护。

Claude Platform:工作负载身份联合

5. 数据边界:ZDR、PSP、EFS 分别管什么

ZDR 不等于任何地方都不存在记录。OpenAI PSP 将加密安全记录放在客户控制的存储,用受保护的自动运行环境审查;当前指南描述30天 TTL。其项目状态、权限、生命周期和运行责任需要一起核实,不能只在应用里加一个布尔字段就声称满足要求。

OpenAI:ZDR 与 Private Safety Processing

先确定记录去哪里,再决定可以提交什么
范围当前公开边界本文的操作建议
OpenAI ZDR+PSP适用项目连接并验证客户控制存储;自动安全审查把存储和保留状态放入任务登记,减少提交内容
CVP个人 Defensegrant流量被保留和监控,不提供ZDR只提交获准且已脱敏的资料
Claude Covered Models / EFS默认保留与组织例外、分阶段EFS安排分开以本组织具体协议和配置确认,不推定普遍开放

Claude 的 Covered Models 默认有至少30天保留和调查、法律等例外;EFS 面向合格组织的安排及逐步开放,不是给所有 CVP 个人的免保留开关。PSP 与 EFS 都涉及监控架构,但不能因此认为合同、人员审查和配置方法一致。把项目和模型的实际数据路径交给安全及合规负责人确认,再决定输入颗粒度。

Claude Help:Covered Models · Anthropic:Enterprise Frontier Safeguards · Claude Help:CVP 安全要求

6. 给任务一份版本化的授权范围清单

下面是本文设计的本地记录格式,不是 OpenAI 或 Anthropic 的 API 参数。示例故意标记为未批准。真正执行前,应由资产负责人填写有效批准引用、固定的提交和允许读取的文件;若这些字段仍是示例值,任务必须停在计划阶段。模型不能自己把未批准状态改成批准。

合成 scope-manifest:它只描述约束,实际限制须由独立环境和工具权限执行。
{
  "schema": "defense-scope/v1",
  "approval_ref": "DEMO-NOT-A-GRANT",
  "state": "example_unapproved",
  "repo": "toy-repo",
  "commit": "DEMO_COMMIT",
  "read_paths": [
    "src/owner.py",
    "tests/test_owner.py"
  ],
  "network": "deny_all",
  "tools": [
    "read_file"
  ],
  "output": "proposal_only",
  "window_minutes": 30,
  "human_gate": [
    "writes",
    "network",
    "delivery"
  ]
}

把可读文件、可用工具、输出方式、时间预算和人工关口分别写清楚,能让接手者看出一次任务做过什么、没做什么。还应给每份实际输入计算摘要,并把清单、工具配置和输出一并归档;示例提交名不能当作真实完整性证据。

本例只允许读取两个合成文件,网络全部拒绝,输出仅为建议。发现需要跨目录、调用连接器、下载依赖或修改文件时,不应顺势扩大任务;先暂停,给负责人说明所缺证据,再建立新版本范围。仓库注释、网页和工具输出中的指令也不能改变授权。

ChatGPT Learn:推荐的安全配置 · OpenAI:Guardrails 与人工审查

7. 原创交付链:每一步都留下可验收产物

这个图描述本文建议的状态转换,不是厂商返回的状态枚举。只有输入版本、授权、发现证据和验收条件能够对应,才能把候选发现推进到“在合成例子中已修复”;真实应用仍需调用链、部署及维护者评审。任何一步证据缺失,都可以结束为待确认,而不是强行交付成功。

  1. 登记资产与批准范围,检查入口和数据策略
  2. 固定合成输入与版本,只读分析
  3. 记录候选发现及尚未知的调用条件
  4. 人审最小修改建议,保留原实现
  5. 用相同回归条件对比修改前后
  6. 交接证据、剩余问题与复查责任人
授权、证据、修改建议与验收分离;跨范围、控制失效或证据缺失就暂停。

8. 合成发现:先证明观察,再讨论风险

设想一个离线教学函数 can_read_invoice(actor, owner),约定只有非空字符串身份与所有者完全相等才允许读取。原实现只返回 bool(actor)。这能支持“缺少所有者比较”的局部观察,却不能证明任何真实发票接口存在漏洞;调用者可能还有检查,且例子没有路由、数据库或部署。

原创 finding 记录示例:机器字段供本地追踪,不是厂商响应;状态仍为候选。
{
  "schema": "finding/v1",
  "id": "DEMO-F001",
  "scope_ref": "DEMO-NOT-A-GRANT",
  "file": "src/owner.py",
  "symbol": "can_read_invoice",
  "observed_code": "return bool(actor)",
  "expected_rule": "nonempty_string_identity_equals_owner",
  "status": "potential_finding",
  "evidence_kind": "synthetic_source",
  "unknowns": [
    "call_site_checks",
    "production_exposure"
  ],
  "remediation": "propose_owner_comparison",
  "acceptance_suite": "toy-owner-v1"
}
可复制的只读审查提示词;未调用模型。
只分析提供的合成函数和规则,不调用工具或外部系统。
逐项输出:观察到的代码、预期条件、直接证据、尚缺的调用链信息、最小修复建议和回归条件。
没有证据的影响写“未知”。不得声称已利用、已修复真实系统或已获得客户授权。
若任务需要范围外文件,列出需求后停止。

发现记录应把事实与推断分栏。文件和函数能定位证据,未知项限制结论,预期规则给修复提供目标。不要直接复制模型的严重性评级到外部报告;维护者需要结合可达性、身份来源和数据敏感性重新判断。保留不同意见比编造一个确定分数更有用。

9. 从修复建议到可重放的本地验收

本例的修改只比较经过类型与非空检查的两个身份。下面完整 Python 程序只使用内存合成值;它没有文件读取、网络或模型 SDK,可复制到独立本地文件运行。我们仅运行了这份离线 fixture,得到6个条件中原实现4个不满足、修改实现0个不满足;这不是模型效果测试或真实系统安全结论。

离线合成验收程序;已本地检查。API、账户访问和真实仓库评估均未执行。
import hashlib
import json


def before(actor, owner):
    return bool(actor)


def after(actor, owner):
    return (
        type(actor) is str
        and type(owner) is str
        and bool(actor.strip())
        and bool(owner.strip())
        and actor == owner
    )


cases = [
    ("demo-alice", "demo-alice", True),
    ("demo-alice", "demo-bob", False),
    ("", "demo-alice", False),
    ("demo-alice", "", False),
    (1, 1, False),
    (" ", " ", False),
]
expected = [case[2] for case in cases]
baseline = [before(a, b) for a, b, _ in cases]
patched = [after(a, b) for a, b, _ in cases]
assert baseline != expected
assert patched == expected
print(json.dumps({
    "suite": "toy-owner-v1",
    "cases": len(cases),
    "before_failures": sum(a != b for a, b in zip(baseline, expected)),
    "after_failures": sum(a != b for a, b in zip(patched, expected)),
    "fixture_sha256": hashlib.sha256(
        json.dumps(cases, separators=(",", ":")).encode()
    ).hexdigest(),
}, sort_keys=True))

这里先断言旧实现与规则不一致,再断言修改实现逐项符合规则,避免一个空测试集让两边都“通过”。输出摘要固定了本例输入;真实项目还要保存实际源文件摘要、补丁差异、测试工具版本和原始结果,不能把这份教学 fixture 的摘要套到另一段代码上。

零失败只能说明这六个条件满足。大小写、身份规范化、权限继承、服务间身份及调用链仍不在本例范围;真实维护者必须补齐适用条件。修改建议进入项目后,还需要检查是否改变合法行为、补充项目测试,并按原部署流程审批,而不是让模型直接上线。

10. 交接给维护者:结果、边界和成本一起交代

一份能接手的交付应包括范围引用、输入版本、发现编号、原实现与建议修改、复测方法、机器结果和仍待确认的问题。报告中“已修复”必须说明是在本地函数、完整应用还是已部署版本上确认;三个层次不能混写。客户原始数据和令牌不要进入这份包。

可复制的证据交接提示词;未调用模型,也不向外部发送任何资料。
根据已提供的 scope-manifest、finding 和离线结果,生成维护者交接说明。
必须分开:已观察事实、推断、未验证条件、建议修改、回归结果、剩余风险、负责人和下一步。
把“6个条件、原实现4个不满足、修改实现0个不满足”仅写为toy-owner-v1的结果。
缺少资产批准、真实源文件版本或部署证据时,明确标记未完成,不补造证明。

费用也应绑定任务而不是凭模型名称猜测。按当前 GPT-6-Cyber 标准短上下文每百万输入20美元、输出100美元,假设一次计费输入10,000、输出2,000,纯 token 算例为 10000/1000000×20 + 2000/1000000×100 = 0.40 美元;两次同样规模是0.80美元。这是未执行演示,未计缓存、工具、审查、重试、存储或其他费用,实际以账单规则和用量为准。

OpenAI:GPT-6-Cyber 模型说明 · OpenAI:API 定价

团队应同时记录维护者接受率、无证据发现数量、返工原因和关闭所需证据。本文没有测量这些指标;它们用于下一轮比较模型与流程,而不是承诺更高层级必然更省钱。先把低风险任务做出稳定交付,再扩充资源和调用量。

11. 持续运行:把故障和分析结论分开

本地 fixture 通过后,真实工作流仍可能因为 grant、数据控制、网络或审查失败而停止。保留精确错误类别和脱敏时间,不要把所有403解释成身份验证失败,也不要因模型给出答案就跳过审批。OpenAI API安全检查仍可能触发 cyber_policy;获准访问并未取消这些检查。

OpenAI:API 网络安全检查

本文建议的运营分类,不是供应商API状态码
本地状态应保留的证据下一步
access_unknown / blocked项目或工作区、脱敏错误、实际模型和控制状态让管理员核对授权;停止自动重试扩权
potential_finding源码定位、预期规则和未知调用条件请求维护者补充证据
fixed_in_fixture固定输入、修改前后结果与适用范围继续应用级评审,不能宣称已部署
inconclusive / control_failed缺失资料或失效的日志、权限与审查停止任务,保留产物并修复控制

Anthropic 11月5日发布的 IP 白名单 beta 为部分平台入口提供新控制,但不约束 Managed Agents 运行时的网络,也不等同于所有第三方云的策略。因此应分别安排入口配置复查和执行环境复查;人员换岗、令牌失效、存储验证变化和模型映射变化都可以触发复查,而不必等一次事故。

Claude Platform:发布说明 · Claude Platform:IP 白名单范围

12. 何时可以扩展成团队或客户服务

CVP 当前允许申请 managed service,但要求自己的员工操作模型、客户只接收最终交付物,并对每项服务另行审批;客户可触发或配置的产品仍属于产品范围,当前只接受意向登记。客户给了测试授权,也不能替代供应商的服务批准。Daybreak 的公开企业说明同样限制到获准内部工作,不应推定个人或内部准入自动覆盖对外产品。

Claude Help:Cyber Verification Program · ChatGPT Learn:模型与 Trusted Access

升级讨论应从具体缺口开始:现有模型是否不能完成所需分析,还是团队缺少维护者评审、数据协议或隔离环境。前者可能需要更合适的获准模型;后者应先补流程和控制。任何商家页面、套餐名称或验证服务,都不能保证特定 grant、模型、项目或客户交付权限。

本轮重新读取了官方文档并保存公开快照、摘要和对照差异。没有实测 GPT-6-Cyber、申请 CVP、读取账户或对真实系统执行评估。个人资格、容量、延迟、私有条款与最终批准仍需相应官方渠道确认。读者可以先在这个无网络的合成例子上建立交付习惯,再把经过批准的真实任务纳入自己的变更流程。