Как проверить репозиторий на уязвимости с помощью Codex Security

Сканируем код, разбираем находки и принимаем патчи

Как проверить репозиторий на уязвимости с помощью Codex Security

Codex Security — это ИИ-агент OpenAI, который подключается к репозиторию GitHub, строит модель угроз для конкретного проекта, проверяет находки в изолированной среде и предлагает патчи. Он не заменяет классические сканеры, а дополняет их: берёт на себя задачи, в которых нужно не найти совпадение с правилом, а проследить путь атаки через весь код. 

По состоянию на ноябрь 2026 года продукт живёт в двух плоскостях: облачная версия остаётся research preview для планов ChatGPT Pro, Business, Enterprise и Edu, а CLI с TypeScript SDK с июля лежат в открытом доступе под лицензией Apache 2.0.

С 29 сентября облачная версия, Codex Security Cloud, по умолчанию работает на моделях Daybreak Blue и непрерывно проверяет новые коммиты — это меняет сценарии: агент подключается к потоку изменений, а не к разовому срезу репозитория. А 12 ноября на базе Codex Security вышел в превью Daybreak Defense Factory — плагин для облачных сканов и работы с находками. В статье — подробный разбор, что именно делает агент, как читать находки и каковы границы применимости.

ВАМ ПРИШЛО ПРИГЛАШЕНИЕ 💌
Приходите к нам в соцсети поделиться своим мнением и почитать, что пишут другие. А ещё там выходит дополнительный контент, которого нет на сайте — шпаргалки, опросы и разная дурка. В общем, вот тележка, вот ВК — велком!

Что такое Codex Security

OpenAI Codex Security — это агент для поиска и проверки уязвимостей в коде. Он работает как исследователь безопасности: читает репозиторий, восстанавливает логику приложения, пытается воспроизвести атаку и показывает находку с доказательством только после этого. В этом его отличие от сканеров по шаблонам, которые действуют по другому сценарию — сверяют код с правилами и не проверяют, работает ли атака на самом деле. 

История проекта началась осенью 2025 года с Aardvark — агента OpenAI в закрытой бете. 6 марта 2026 года Aardvark вышел из тени под именем Codex Security в статусе research preview.

За последние 30 дней беты OpenAI отчиталась о более чем 1,2 млн проверенных коммитов во внешних репозиториях. Агент нашёл 792 находки критического уровня и 10 561 — высокого. Четырнадцать уязвимостей получили официальные идентификаторы CVE, среди затронутых проектов — OpenSSH, GnuTLS, PHP, Chromium, GOGS, libssh и Thorium. Эти цифры — данные производителя, независимого аудита беты на момент публикации не было.

Доля ложных срабатываний за время беты снизилась более чем вдвое. Количество находок с завышенной критичностью упало более чем на 90%. В одном из репозиториев информационный шум между первым и последним сканом сократился на 84%.

Среди конкретных находок — обход двухфакторной аутентификации в GOGS (CVE-2025-64175) и переполнение стекового буфера в gpg-agent (CVE-2026-24881).

Что изменилось. 29 июля 2026 года OpenAI выложила в открытый доступ CLI и TypeScript SDK @openai/codex-security. Облачная версия при этом осталась платной функцией планов ChatGPT; облачные сканы Codex Security Cloud оплачиваются по токенам.

Как работает проверка

Поиск уязвимостей с помощью ИИ в Codex Security устроен как замкнутый цикл. В документации OpenAI он описан через три стадии — выявление, проверка и устранение (identification, validation, remediation). 

Сначала агент подключается к репозиторию GitHub, сканирует коммиты в обратном хронологическом порядке и строит модель угроз — документ, в котором зафиксировано, что система делает, каким компонентам доверяет, где находятся точки входа для атакующего и какие данные считаются чувствительными.

Модель угроз можно редактировать. Команда просматривает её и правит под реальные условия эксплуатации: убирает лишние границы доверия, добавляет пропущенные точки входа, меняет оценку критичности. Изменения не остаются в отчёте мёртвым грузом — следующая итерация сканирования их учитывает, и агент постепенно подстраивается под представления команды о рисках.

На стадии проверки агент пытается воспроизвести каждую потенциальную атаку в изолированной среде. Если воспроизвести удаётся, находка получает статус подтверждённой и доказательство: последовательность шагов, которая привела к срабатыванию. 

На стадии устранения для подтверждённых находок генерируется минимальный патч, который закрывает первопричину. Патч не применяется сам — он уходит человеку на ревью как дифф.

Слабое место этого подхода — качество модели угроз. На плохо структурированном репозитории, где логика размазана по десяткам файлов без внятных границ, модель получается поверхностной. Агент всё равно что-то найдёт, но приоритизация находок просядет: без точного понимания архитектуры он будет оценивать серьёзность по формальным признакам, а не по реальному пути атаки.

Проверка в песочнице

Валидатор — специальный компонент, который берёт кандидата в уязвимости и пробует его эксплуатировать в изолированной среде. Подозрительный паттерн в коде сам по себе ничего не значит: агент должен показать, что атака проходит от точки входа до чувствительного объекта. Если валидатор воспроизводит срабатывание, находка получает статус подтверждённой и доказательство — последовательность шагов, которая привела к эксплуатации.

Кандидаты, которые воспроизвести не удалось, не исчезают бесследно. Они остаются в отчёте со статусом неподтверждённых и пометкой, на каком шаге валидатор остановился. Иногда это сигнал, что в песочнице не хватает окружения или зависимостей, — тогда стоит перезапустить проверку с другими настройками. Иногда — что путь атаки в реальности недостижим.

Доказательство из песочницы удобно тем, что его можно проверить руками. Человек видит конкретный запрос, который дошёл до базы и вернул чужие данные. Для подтверждённых находок агент готовит минимальный патч, и дальше дифф уходит на ревью: посмотреть изменения, прогнать тесты, решить — мёржить или отправить на доработку.

Чем Codex Security отличается от SAST

SAST (Static Application Security Testing) — это класс инструментов, которые ищут уязвимости по заранее заданным правилам, не запуская код. Semgrep и CodeQL — типичные представители таких продуктов. Они работают предсказуемо и быстро, но не умеют рассуждать о том, как именно данные текут через приложение, если это не описано в правиле.

SCA-сканеры вроде Snyk смотрят на зависимости: какие библиотеки подключены и есть ли среди их версий известные CVE. Это другой слой защиты, и Codex Security его не закрывает.

Разница между тремя подходами видна в таблице:

Классический SAST (Semgrep, CodeQL)SCA (Snyk)Codex Security
Как ищетСопоставление с правиламиСверка версий зависимостей с базами CVEСтроит модель угроз и рассуждает о путях атаки
Контекст проектаОграниченный, зависит от правилНетЕсть, модель угроз учитывает архитектуру
Ложные срабатыванияМного, если правила не откалиброваныМало, но пропуски возможныСнижаются за счёт проверки в песочнице
ПатчиНетПредлагает обновление версииГенерирует минимальный патч под конкретный код
Где запускаетсяCI, локально, в IDECI, облакоОблако OpenAI, CLI, CI

Вывод: ИИ-агент дополняет сканеры, но не отменяет их. Для зависимостей и секретов по-прежнему нужны специализированные инструменты, а для поиска сложных логических дыр в собственном коде Codex Security даёт то, чего у SAST нет, — попытку воспроизвести атаку и доказать, что она работает.

Что нужно для запуска

На июнь 2026 года для облачной версии требовался подходящий план ChatGPT: Enterprise, Business, Edu или Pro. Администратор рабочей области включал доступ к Codex Cloud и Codex Security, а тем, кто настраивает сканы, нужны были права администратора Codex Security.

Репозитории подключаются через GitHub. Другие платформы на тот момент не поддерживались.

Для мейнтейнеров открытых проектов действует отдельная программа Codex for OSS. Она даёт бесплатный доступ к агенту; им уже пользуется, например, команда vLLM.

С 29 июля 2026 года для локального запуска достаточно Node.js 22.13+ (или 24.x/26.x) и Python 3.10+. Для CI нужен ключ OPENAI_API_KEY или CODEX_API_KEY в секретах репозитория. 

Доступ по планам ChatGPT при этом остаётся: CLI — это открытый инструмент, но сами сканы не бесплатны: нужен вход через ChatGPT или API-ключ, а токены оплачиваются.

Проверяем репозиторий по шагам

Шаги описаны по интерфейсу на октябрь 2026 года. С 12 ноября облачные сканы идут через плагин Daybreak Defense Factory, названия кнопок могли измениться.

Проверка кода на уязвимости в веб-интерфейсе Codex выглядит как последовательность из шести шагов:

  1. Подключить репозиторий. Codex Security подключается к GitHub и получает доступ к коду и истории коммитов. Без этого шага сканирование не запустится.
  2. Запустить первичный скан. Агент проходит по коммитам в обратном хронологическом порядке и строит модель угроз — документ с точками входа, границами доверия и чувствительными данными. Для большого проекта с долгой историей первый скан занимает заметное время. Новые коммиты проверяются быстрее, потому что модель угроз уже готова.
  3. Отредактировать модель угроз. Команда просматривает модель и правит под реальные условия эксплуатации: убирает лишние границы доверия, добавляет пропущенные точки входа, меняет оценку критичности. Изменения учитываются в следующих сканах — агент подстраивается под представления команды о рисках.
  4. Открыть находки. Каждая находка — это карточка с критичностью, путём атаки, доказательством из песочницы и списком затронутых файлов. Если находка кажется ложной, её отмечают как ложную. Это сигнал для агента, который он учитывает в дальнейшем.
  5. Посмотреть доказательство проверки. Для подтверждённых находок агент показывает, как атака воспроизводится в изолированной среде: последовательность шагов, которая привела к срабатыванию. Доказательство можно проверить руками, а не принимать на веру.
  6. Принять патч и открыть pull request. Агент готовит минимальный патч, который устраняет первопричину. Патч открывается как дифф, его читает человек, прогоняет тесты и решает, мёржить или отправить на доработку. Автоматического мёржа в продукте нет. Если всё в порядке, из интерфейса Codex открывается pull request, и патч проходит обычное ревью в команде.

Как читать находку

Карточка находки отвечает на конкретные вопросы: насколько серьёзна проблема, как атакующий до неё добирается, чем это подтверждено и какие файлы затронуты. Критичность выставляется по потенциальному воздействию, но её можно переопределить вручную, если команда считает иначе.

Путь атаки показывает, как управляемый атакующим ввод попадает в уязвимую точку. Если путь выглядит неправдоподобно, это первый повод усомниться в находке. Доказательство из песочницы — второй повод: если валидатор не смог воспроизвести проблему, находка может быть теоретической.

Отметить находку как ложную можно прямо в интерфейсе. Это не удаляет её бесследно, а сообщает агенту, что в данном контексте он ошибся.

Как принять патч

Главное правило: патч не мёржат без человеческого ревью и прогона тестов. Агент генерирует минимальное изменение, которое устраняет корневую причину, но он не знает всех договорённостей внутри команды и может задеть смежную логику.

Если патч ломает поведение, есть два пути: поправить дифф вручную или вернуть агенту с уточнением. Второй вариант работает хуже, если модель угроз не отражает реальное устройство системы, поэтому перед отправкой на доработку стоит проверить, не пора ли обновить модель угроз.

Запуск из терминала и CI

Появилось 29 июля 2026 года. OpenAI выложила в открытый доступ CLI и TypeScript SDK @openai/codex-security. Пакет лежит на npm, исходники — в репозитории openai/codex-security. Версия на момент публикации — 0.10.0 (вышла 12 ноября 2026 года), до 1.0.0 публичный API может меняться.

Требования. CLI работает на macOS, Linux и Windows. Нужен Node.js: 22.13.0 или новее в ветке 22.x, либо 24.x, либо 26.x. Для сканирования, генерации политик, экспорта и истории находок нужен Python 3.10 или новее; на Python 3.10 дополнительно ставится пакет tomli. 

Сжатые логи сессий (.jsonl.zst) читаются на всех поддерживаемых версиях Node.js.

Установка. Два варианта: глобально или локально. Глобальная установка даёт команду cs и её полный алиас codex-security:

npm install --global @openai/codex-security
cs --version

Если cs уже занята другой утилитой в системе, используйте codex-security. Если npm падает с ошибкой EEXIST для cs, ставьте пакет без глобальной установки и вызывайте через npx. 

Локальная установка в проект:

npm install @openai/codex-security
npx @openai/codex-security --version

Вход. В интерактивном режиме — через аккаунт ChatGPT:

cs login

При локальной установке SDK вход выполняется из директории проекта: npx @openai/codex-security login. На удалённых или headless-машинах, если рабочая область разрешает, используется login –device-auth или проброс порта по SSH.

Запуск сканирования. Скан запускается из директории репозитория:

cs scan .

По умолчанию проверяется весь репозиторий. Область можно сузить: –path src –path tests сканирует только указанные пути, –diff origin/main — только закоммиченные изменения от базовой ревизии до HEAD. Для более тщательной проверки есть –mode deep с параллельными воркерами обнаружения.

CI и автоматизация. Для CI вход не нужен: достаточно передать OPENAI_API_KEY или CODEX_API_KEY в окружение процесса сканирования. Ключи действуют в рамках текущей команды и не заменяют сохранённый логин; если нужно сохранить ключ как постоянный логин, он передаётся на stdin: printenv OPENAI_API_KEY | cs login –with-api-key.

Готовый GitHub Action лежит в каталоге github-action репозитория. Он сканирует репозиторий или pull request, сверяет находки с порогом серьёзности и выгружает отчёты в JSON и SARIF. API-ключ хранится в секрете репозитория под именем CODEX_SECURITY_API_KEY. 

Для приватных репозиториев перед загрузкой SARIF нужно включить GitHub Code Security. Конкретный YAML и SHA коммита Action берутся из README каталога: версии action и флаги меняются, копировать пример из сторонних статей рискованно.

Ограничение, о котором стоит помнить. Агент при сканировании через CLI работает на вашей машине, но код и промпты уходят провайдеру модели: по умолчанию в OpenAI, а при другой настройке в Amazon Bedrock, OpenRouter или Fireworks AI. Открытый CLI не означает, что код никуда не уходит: сама модель работает в облаке. Если репозиторий защищён NDA или внутренними правилами, факт передачи кода в облако нужно согласовать до первого запуска, а не после.

Наш тест

Для проверки мы собрали небольшое приложение на Flask — примерно 60 строк, одна точка входа, без ORM. В код намеренно заложили шесть ошибок: SQL-инъекцию в поиске по тикетам, обход пути при скачивании вложения, инъекцию команды в админском экспорте, отсутствие проверки прав на удаление, SSRF в прокси-эндпоинте и небезопасную проверку JWT. Рядом положили README на одну строку: приложение работает во внутренней сети.

Сканировали через CLI версии 0.1.31 с настройками по умолчанию: модель gpt-5.6-sol, xhigh reasoning, стандартный режим. Тест проводили в конце сентября, с тех пор вышло несколько версий, поведение и стоимость могли измениться. Запуск из директории репозитория:

cs scan .

Первый прогон упал. Агент две с половиной минуты провёл в предварительной проверке, затем завершил процесс с сообщением «Scan agent did not create required draft artifacts» и пустой папкой на выходе. В логах было видно, что он не нашёл путь к Python. К этому моменту он уже потратил около 527 тысяч входных токенов — примерно $0,74–1,40 — и не выдал ничего. Второй запуск с явно указанным путём к Python и унаследованным окружением отработал штатно.

Скан занял 8 минут 56 секунд при полном покрытии репозитория. Расход токенов — 3 623 546, из них 93% пришлось на чтение кэша: агент многократно перечитывает модель угроз и собственные инструкции по ходу проверки. Оценка стоимости в отчёте — от $3,75 до $6,77; флаг –max-cost 4 этот разброс не ограничил, потому что лимит в CLI считается оценкой, а не жёстким потолком.

Что заложилиНашёлКритичность по версии агентаКомментарий
SQL-инъекция в поискеДаСредняяАгент заметил, что SQLite не выполняет stacked-запросы, поэтому ущерб ограничен чтением данных; критичность снижена осознанно
Path traversal в скачивании вложенияДаСредняяОтметил, что серьёзность зависит от прав сервисного аккаунта
Инъекция команды в /admin/exportДаВысокаяУчёл, что приложение внутреннее, поэтому не поднял до критической
Отсутствие авторизации на удаленииДа, ширеВысокаяНашёл ту же дыру в соседнем маршруте обновления статуса и объединил в одну находку: аутентификации нет нигде
SSRF в прокси-эндпоинтеДаВысокаяУказал путь атаки через управляемый URL и предложил ограничить исходящие адреса
Небезопасная проверка JWTНет—Агент не нашёл логическую ошибку в проверке подписи; в отчёте есть оговорка, что эндпоинт не покрыт моделью угроз полностью

Ложных срабатываний в этом прогоне не было. Пять находок из шести, все с высоким уровнем уверенности. Пропущенная JWT-проверка — не случайность: агент рассуждает о потоке данных, а не занимается символьным исполнением, поэтому ошибки в логике проверки токена для него сложнее, чем классическая инъекция.

Отдельно отметим, как агент обошёлся с критичностью. SQL-инъекцию большинство сканеров поставило бы на первое место по умолчанию. Здесь она получила среднюю с объяснением: в Python sqlite3 не выполняет несколько инструкций за раз, поэтому максимум, что может атакующий, — прочитать данные. Для записи нужен другой вектор. Такой разбор ближе к тому, что сделал бы человек на ревью, чем к рейтингу по шаблону.

В отчёте, кроме списка находок, оказалась модель угроз с активами и границами доверия, а также раздел с тем, чего агент не увидел. В нашем случае он честно написал, что маршрут экспорта обращается к файлу export.py, которого в репозитории нет, и гадать о его содержимом не стал.

Полезный блок со скидкой

Агент нашёл SQL-инъекцию и SSRF, но пропустил ошибку в проверке JWT. Чтобы понять, почему так вышло, полезно уметь находить такие вещи руками. На курсе Кибербезопасность: веб-пентест разбирают те же классы уязвимостей: SQL-инъекции, SSRF, ошибки контроля доступа, слабые места аутентификации и JWT, а в конце учат писать отчёт о пентесте. Курс рассчитан на разработчиков и тестировщиков, которые знают веб и командную строку.

Промокод KOD (можно просто нажать) даст скидку на любой платный курс.

Ограничения и риски

У Codex Security есть ограничения, о которых стоит знать до первого скана. Часть из них — следствие статуса продукта, часть — свойства любого ИИ-агента, часть — внешние обстоятельства.

Продукт в статусе research preview

Codex Security пока не дошёл до стабильной версии. Поведение сканов может различаться между запусками даже при одинаковой конфигурации: рассуждение модели не детерминировано. Это свойство ИИ-агента, и к этому стоит привыкнуть. 

Интерфейс CLI и облачной версии тоже может меняться без долгих предупреждений — версии и флаги лучше сверять с README пакета перед каждым обновлением.

Код уходит в облако OpenAI

Облачный скан отправляет код на серверы OpenAI. CLI запускает агента локально, но код и промпты всё равно уходят провайдеру модели, по умолчанию тоже в OpenAI. 

Перед подключением приватного репозитория стоит прочитать политику хранения данных и проверить, не противоречит ли передача кода условиям NDA или внутренним правилам безопасности. В регулируемых отраслях такой шаг требует отдельного согласования.

Пропуски и ложные срабатывания остаются

Агент может пропустить уязвимость. Отсутствие находок не гарантирует, что код безопасен: оно означает только, что в этот раз агент ничего не подтвердил. Ложные срабатывания тоже не исчезли полностью, хотя их стало меньше по сравнению с ранними версиями. Проверка в песочнице снижает шум, но не убирает его до нуля.

Стоимость больших репозиториев

Сканирование истории коммитов и проверка находок в песочнице расходуют токены. Для проекта с годами истории первый скан может стоить заметно дороже последующих инкрементальных проверок. Флаг –max-cost задаёт ориентир, а не жёсткий потолок: итоговая сумма зависит от глубины скана и модели, которую выбрала команда.

Правовые и географические ограничения

Сканировать можно только свой код или код, на который есть разрешение владельца. Правило очевидное, но нарушается чаще, чем хотелось бы. 

Сервисы OpenAI официально недоступны в России: регистрация с российских IP закрыта, карты, выпущенные в РФ, не принимаются. Это касается и Codex Security — как облачной версии, так и CLI, потому что CLI обращается к тем же серверам.

Альтернативы

Прямых конкурентов у Codex Security немного, зато вокруг него множество инструментов, которые решают смежные задачи. 

Рассмотрим четыре варианта, которые чаще всего ставят рядом с агентом OpenAI. 

Сначала таблица с их характеристиками:

ИнструментПодходГде запускаетсяМодель оплаты
Claude SecurityИИ-агент с проверкой находокОблако Anthropic, публичная бета для плана EnterpriseВ составе плана Enterprise, расход списывается по использованию
GitHub Copilot Autofix + CodeQLСтатический анализ и генерация исправленийGitHub, включая CIВходит в GitHub Code Security, для публичных репозиториев бесплатно
SemgrepПравила, которые команда пишет и калибрует самаCI, локально, IDEБесплатный тариф для небольших команд, дальше за контрибьютора
SnykАнализ зависимостей и секретовCI, облако, IDEБесплатный тариф с лимитами, дальше за разработчика

Claude Security. Агент Anthropic с похожей логикой: сначала ищет кандидатов в уязвимости, потом проверяет их. Раньше он назывался Claude Code Security. С 30 апреля 2026 года инструмент в публичной бете, но только для плана Enterprise. Сравнить его с Codex Security по качеству находок нельзя: публичных тестов на одном и том же наборе уязвимостей Anthropic не выкладывает.

GitHub Copilot Autofix. Работает поверх CodeQL. Статический анализ находит проблему, модель пишет исправление. Проверки в песочнице нет, поэтому патч иногда лечит симптом, а не причину. Зато с GitHub он связан теснее остальных, а для публичных репозиториев Autofix доступен без платы.

Semgrep. Правила пишет и калибрует сама команда. Поведение сканера предсказуемо, а доля ложных срабатываний напрямую зависит от качества правил. Бесплатный тариф рассчитан на небольшие команды, дальше оплата за контрибьютора.

Snyk. Закрывает слой, до которого агенты не добираются: зависимости и секреты в конфигах. Для проектов на Python и JavaScript это заметная часть реальных инцидентов, и Codex Security её не покрывает. Бесплатный тариф с лимитами, дальше оплата за разработчика.

Итогового победителя здесь нет. Выбор упирается в сценарий. Команде, которая живёт в GitHub и хочет минимальный порог входа, хватит Copilot Autofix. Если важна проверка сложных логических дыр и есть бюджет на облако OpenAI, есть смысл выбирать Codex Security. Предсказуемый и дешёвый базовый слой дают Semgrep и Snyk: они закрывают зависимости, секреты и типовые паттерны, на которых ИИ-агенты экономят меньше всего.

Вопросы и ответы

Сколько стоит Codex Security?

Отдельного прайса на Codex Security нет. Облачная версия входит в планы ChatGPT Enterprise, Business, Edu и Pro; бесплатным был только первый месяц после запуска в марте 2026 года. Облачные сканы оплачиваются по токенам, поэтому итоговая стоимость зависит от размера репозитория и глубины сканирования.

Можно ли проверить приватный репозиторий?

Да, если у вас есть права администратора в рабочей области ChatGPT и репозиторий подключён к GitHub. Код при этом уходит в облако OpenAI, поэтому перед подключением приватного кода стоит согласовать это с политикой безопасности компании.

Заменяет ли Codex Security пентест?

Нет. Агент ищет уязвимости в коде и проверяет их в песочнице, но пентест включает социальную инженерию, анализ конфигурации инфраструктуры и цепочки атак, которые выходят за рамки репозитория. Codex Security может сэкономить время пентестера, но не отменяет его работу.

Работает ли Codex Security с GitLab?

На момент публикации облачная версия подключается только к GitHub. CLI можно запускать в CI GitLab вручную, но нативной интеграции, как с GitHub, нет.

Безопасно ли отдавать код ИИ-агенту?

Ответ зависит от того, что написано в вашем NDA и политике обработки данных. Технически код передаётся в облако OpenAI; юридически это может быть допустимо для открытого кода и недопустимо для кода, защищённого соглашением о конфиденциальности. Перед первым сканом стоит получить письменное подтверждение от юристов или службы безопасности.

Перед первым сканом есть смысл пройти по короткому чек-листу:

  1. проверить, что план ChatGPT включает Codex Security, а администратор рабочей области открыл доступ;
  2. убедиться, что политика безопасности компании допускает передачу кода в облако OpenAI;
  3. подключить репозиторий через GitHub и запустить первичный скан;
  4. просмотреть модель угроз и поправить её под реальное устройство системы;
  5. после первого списка находок отметить ложные срабатывания;
  6. выбрать одну подтверждённую уязвимость и пройти путь до патча и pull request целиком.

Codex Security не делает код безопасным по нажатию кнопки. Он сокращает путь от момента, когда сканер что-то нашёл, до момента, когда человек понял, что это важная находка, и починил. Для команд, которые уже упёрлись в шум SAST и хотят видеть несколько подтверждённых путей атаки вместо сотен предупреждений, это может быть полезным следующим шагом. После первого скана логично сверить находки с OWASP Top 10 и посмотреть, какие классы уязвимостей агент находит в вашем коде стабильно, а какие пропускает. 

Советуем дополнительно почитать

Бонус для читателей

Один сканер в репозитории погоды не делает: находки нужно разбирать и не пускать в релиз то, что не починили. Этому посвящён курс DevSecOps: безопасная разработка и эксплуатация: пайплайн с SAST, SCA и DAST, пороги безопасности, разбор находок и моделирование угроз по STRIDE. Для него нужен опыт с Git, Docker и CI/CD. Если пайплайна пока нет совсем, начните с курса DevOps для эксплуатации и разработки: GitLab CI, Terraform, Docker и Kubernetes. На оба действует промокод на курсы Яндекс Практикума.

Бесплатные вводные части тоже есть, карту привязывать не нужно.

Вам может быть интересно
medium