Cloudflare Managed Defense dùng đội AI agent để xử lý cảnh báo bảo mật: dựa trên bằng chứng, không đoán mò

Cảnh báo bảo mật hiếm khi đến từng cái một. Một sự kiện có thể kéo theo hàng loạt cảnh báo trên toàn hệ thống, và chuyên viên phân tích phải tự xác định cảnh báo nào liên quan đến nhau, cái nào là thật, cái nào chỉ là nhiễu. Cloudflare gọi đây là nghịch lý cảnh báo: càng nhiều công cụ phát hiện, càng nhiều việc dồn lên con người.

Ngày 07/10/2026, Cloudflare công bố cách họ xây dựng bộ khung (harness) nhiều AI agent cho dịch vụ Cloudflare Managed Defense, giúp gom dữ liệu, liên kết các phát hiện và chỉ ra chỗ còn thiếu bằng chứng trong khi cảnh báo mới vẫn liên tục đổ về. Bài viết này tóm tắt những điểm chính.

Tóm tắt nhanh

  • Thu thập bằng chứng trước, gọi AI sau: code cố định chạy các bước trinh sát và lưu dữ liệu kèm nguồn, phiên bản, thời điểm, trước khi bất kỳ mô hình nào phân tích.
  • Lọc nhiễu sớm bằng Clef, mô hình ra quyết định mã nguồn mở của Cloudflare chạy trên Workers AI: cảnh báo nhiều khả năng là dương tính giả được bỏ qua bước phân tích sâu.
  • Bốn AI agent chuyên trách điều tra song song (lưu lượng, bối cảnh khách hàng, dữ liệu toàn cầu, tình báo mối đe dọa), sau đó một agent tổng hợp gộp kết quả thành một khuyến nghị.
  • Mọi kết luận phải trích dẫn bằng chứng, và code ứng dụng kiểm tra từng trích dẫn.
  • Con người vẫn quyết định: chuyên viên Managed Defense chịu trách nhiệm cuối cùng về kết luận và biện pháp xử lý.
  • Bản beta sớm đã có trong Cloudflare Managed Defense cho các cảnh báo bảo mật ứng dụng đủ điều kiện.

Vì sao một AI agent duy nhất không đủ

Bản thử nghiệm đầu tiên của Cloudflare giao toàn bộ cuộc điều tra cho một AI agent đa năng. Kết quả có ích, nhưng agent cũng đưa ra những nhận định mà bằng chứng không hỗ trợ. Dữ liệu telemetry, mô tả bộ phát hiện, chính sách và tình báo mối đe dọa bị dồn chung vào một prompt nên vai trò riêng của từng loại bị lẫn vào nhau. Cloudflare ghi nhận ba vấn đề lặp lại:

  1. Bối cảnh bị coi là kết luận. Một phát hiện (detection) chỉ là giả thuyết, không phải bằng chứng rằng cuộc tấn công đã xảy ra hay đã thành công. Agent đa năng dễ làm mờ ranh giới này.
  2. Lệch phạm vi. Agent có thể truy vấn nhầm tài khoản, nhầm khoảng thời gian hoặc nhầm nguồn dữ liệu. Không thể dựa vào prompt để làm ranh giới.
  3. Lỗi bị che mất. Nếu một truy vấn bị timeout, kết quả có thể không phân biệt được "chưa kiểm tra" với "đã kiểm tra và không thấy gì".

Vì vậy Cloudflare chuyển việc thu thập bằng chứng và giới hạn phạm vi sang code ứng dụng, chạy trước khi mô hình bắt đầu phân tích.

Trinh sát trước, suy luận sau

Nửa đầu của bộ khung không có AI agent nào. Code cố định chạy một tập quy trình trinh sát với các lệnh gọi API có phiên bản, thu thập danh tính khách hàng, lịch sử phát hiện, mức lưu lượng nền, kết quả thực thi chính sách và các quan sát mạng. Mỗi mẩu dữ liệu đều được lưu cùng nguồn, phiên bản và thời điểm.

Vì Cloudflare thấy được cả request lẫn hành động áp lên request đó, cuộc điều tra có thể nối hành vi gây ra cảnh báo với quy tắc đã kích hoạt và kết quả của nó.

Ảnh chụp dữ liệu trinh sát cố định này còn giúp đánh giá có thể lặp lại: cùng một ảnh chụp có thể chạy lại, nên khác biệt giữa các agent đến từ cách diễn giải chứ không phải do dữ liệu đầu vào thay đổi.

Lọc nhiễu sớm

Phần lớn cảnh báo không phải sự cố. Cùng một quy tắc thường kích hoạt lặp lại trên một kiểu lưu lượng đã biết, và báo động cho chuyên viên mỗi lần như vậy khiến sự cố thật dễ bị bỏ sót.

Một mô hình phân loại nhẹ so sánh từng cảnh báo với dữ liệu trinh sát: sự kiện này đã từng bị phát hiện với khách hàng này chưa, chuyên viên trước đây đã kết luận gì, lưu lượng có giống hành vi người dùng bình thường không. Cảnh báo có khả năng cao là dương tính giả sẽ bỏ qua bước phân tích của các agent chuyên trách. Cloudflare dùng Clef chạy trên Workers AI cho bước này.

Nhiễu khối lượng lớn đã biết được phân loại cố định là "thụ động" ngay khi đến: vẫn giữ lại làm bối cảnh nhưng không vào hàng chờ xử lý.

Bốn agent chuyên trách điều tra song song

Với cảnh báo cần xem xét kỹ, một agent điều phối chạy song song bốn agent chuyên trách:

Agent

Nhiệm vụ

Phân tích lưu lượng

Xem hành vi request, thay đổi theo thời gian và kết quả thực thi chính sách

Bối cảnh khách hàng

Xem các cảnh báo trước, cách xử lý và quyết định của chuyên viên

Telemetry toàn cầu

So sánh hoạt động với tín hiệu toàn Internet đã được bảo vệ quyền riêng tư

Tình báo mối đe dọa

Kiểm tra các chỉ dấu (indicator) đã được đưa vào cảnh báo hoặc hồ sơ

Một agent tổng hợp gộp các phát hiện có cấu trúc thành một khuyến nghị duy nhất. Agent này không được tự lấy thêm bằng chứng và không được chọn phân loại nằm ngoài danh mục đã duyệt. Giữ mỗi nhiệm vụ hẹp giúp dễ phát hiện nhận định thiếu căn cứ và dễ kiểm tra lại khuyến nghị.

Để phân tích sâu hơn, Cloudflare dùng các mô hình đã được phê duyệt từ OpenAI (Daybreak Defense Network) và Anthropic, trong khi bước phân tích và chấm điểm ban đầu do Clef đảm nhận.

Bối cảnh toàn cầu mà không lộ dữ liệu khách hàng

Một công cụ bảo mật thường chỉ biết chuyện xảy ra bên trong môi trường nó được triển khai. Cloudflare so sánh cảnh báo với các mẫu hình trên toàn mạng lưới của mình, ví dụ một IP đang nhắm vào một website, đang quét hàng nghìn website, hay mới xuất hiện lần đầu. Mỗi trường hợp mang trọng số khác nhau.

Để bảo vệ quyền riêng tư, agent telemetry toàn cầu chỉ làm việc với dữ liệu tổng hợp, không bao giờ nhận bản ghi riêng hay danh tính của khách hàng khác. Góc nhìn này kết hợp tín hiệu từ CDN, WAF, chống DDoS, Turnstile, Rate Limiting và tình báo mối đe dọa Cloudforce One.

Lịch sử cũng là bằng chứng

Hồ sơ trinh sát ghi lại lịch sử của chính cảnh báo: đã kích hoạt bao nhiêu lần, bao nhiêu lần được kết luận là dương tính giả, chuyên viên đã kết luận gì. Một mẫu tấn công lần nào cũng vô hại khác hẳn với một thứ mới xuất hiện lần đầu, và các agent được cho biết mình đang xem trường hợp nào.

Hệ thống gom các cảnh báo liên quan thành một hồ sơ (case) chứa bằng chứng, phát hiện và khuyến nghị. Việc nối và tương quan dữ liệu chạy theo quy tắc cố định, nhưng chuyên viên xác nhận phạm vi thực tế. Theo thời gian, một hồ sơ có thể nối bằng chứng từ tầng mạng, ứng dụng và Zero Trust, kèm nguồn gốc của từng bằng chứng.

Từ bằng chứng đến quyết định

Trước khi phân tích, hệ thống tạo một gói bằng chứng có phiên bản gồm đối tượng, phạm vi, mốc thời gian, bằng chứng được chấp nhận, phiên bản chính sách, nguồn và các khoảng trống dữ liệu. Các agent chuyên trách phải trích dẫn mục trong gói này; code ứng dụng kiểm tra mỗi trích dẫn có tồn tại, thuộc đúng cuộc điều tra và thực sự hỗ trợ nhận định đi kèm. Phát hiện không hợp lệ được sửa lại hoặc ghi nhận là giới hạn.

Clef được dùng lần thứ hai để chấm bằng chứng: đã đủ để ra quyết định chưa, có bằng chứng nào mâu thuẫn không. Dựa vào đó, Clef chọn từ một danh sách phân loại tấn công và cách xử lý đã được rút gọn theo quy tắc.

Cuối cùng, một agent dùng mô hình ngôn ngữ lớn viết báo cáo khuyến nghị bằng các thuật ngữ mà chuyên viên quen dùng: bề mặt bị ảnh hưởng, kết quả thực thi, các biện pháp kiểm soát liên quan và bước tiếp theo. Mô hình không bao giờ có quyền vượt ranh giới giữa các khách hàng hay hành động thay chuyên viên.

Toàn bộ chạy trên Cloudflare Developer Platform

Điểm đáng chú ý với đội phát triển: cả hệ thống được xây trên chính nền tảng mà khách hàng Cloudflare cũng dùng được.

  • Workers: code ứng dụng tiếp nhận bằng chứng và kiểm tra kết quả.
  • Workflows: điều phối từng giai đoạn và lưu kết quả đã hoàn tất trước khi sang bước sau, nên khi một bước lỗi, hệ thống dùng lại bằng chứng và phát hiện đã qua kiểm tra thay vì làm lại từ đầu.
  • D1: lưu trạng thái điều tra và khuyến nghị.
  • R2: lưu bối cảnh và các tệp bằng chứng.
  • Durable Objects: lưu trạng thái trò chuyện theo hồ sơ, được bổ sung bằng AI Search.
  • Workers AI: chạy mô hình Clef.

Khi bằng chứng không đầy đủ

Ở quy mô mạng lưới toàn cầu, đôi khi một nguồn dữ liệu sẽ lỗi: truy vấn timeout, thiếu metadata, hoặc tra cứu tình báo không có kết quả. Hệ thống giữ lại bằng chứng đã có và ghi nhận khoảng trống. Báo cáo phân biệt rõ ba trạng thái:

  1. Chưa kiểm tra
  2. Đã kiểm tra, không có kết quả khớp
  3. Đã kiểm tra, có bằng chứng xác nhận là không có

Nếu thiếu telemetry toàn cầu, hệ thống vẫn mô tả được điều bất thường với riêng khách hàng nhưng không kết luận mẫu hình có lan rộng hay không. Khi bằng chứng không đủ, hệ thống không đưa ra khuyến nghị phân loại hay cách xử lý.

Từ khuyến nghị đến khắc phục

Theo Cloudflare, một khuyến nghị tốt nên dẫn đến giải pháp chứ không chỉ là một ticket. Báo cáo có thể đề xuất quy tắc rate limiting cho một đường dẫn bị lạm dụng, WAF custom rule cho một chữ ký tấn công, hoặc thay đổi cấu hình chống DDoS. Với khách hàng được quản lý toàn phần, chuyên viên Managed Defense có thể áp dụng trực tiếp quy tắc đề xuất; khách hàng khác nhận khuyến nghị trên dashboard và qua kênh cảnh báo đã chọn.

Lộ trình tiếp theo

  • Trong vài quý tới, Cloudflare dự định bổ sung mức Custom Managed linh hoạt hơn cho từng tổ chức.
  • Cloudflare cũng sẽ thử nghiệm các AI agent giám sát liên tục lưu lượng để phát hiện những mẫu hình mà quy tắc và ngưỡng cố định có thể bỏ sót.
  • Bản beta sớm đã có trong Cloudflare Managed Defense cho các cảnh báo và hồ sơ bảo mật ứng dụng đủ điều kiện. Khách hàng đang dùng Cloudflare WAF, chống DDoS, Magic Transit hoặc sản phẩm được hỗ trợ khác có thể trao đổi với đội phụ trách tài khoản enterprise để bổ sung Managed Defense.

Doanh nghiệp Việt Nam có thể học gì?

Ngay cả khi chưa dùng Managed Defense, cách Cloudflare thiết kế hệ thống là gợi ý tốt cho bất kỳ đội vận hành bảo mật (SOC) nào đang đưa AI vào quy trình:

  1. Đừng để AI tự đi lấy dữ liệu. Thu thập bằng chứng bằng code cố định, có giới hạn phạm vi rõ ràng.
  2. Lọc nhiễu trước khi phân tích sâu, dựa trên lịch sử cảnh báo và quyết định trước đây.
  3. Chia nhỏ nhiệm vụ cho agent chuyên trách thay vì một agent làm tất cả.
  4. Bắt buộc trích dẫn bằng chứng và ghi rõ chỗ nào chưa kiểm tra.
  5. Giữ con người ở bước quyết định cuối, nhất là với hành động chặn hay thay đổi cấu hình.

LionTech hỗ trợ gì?

LionTech là đối tác triển khai Cloudflare cho doanh nghiệp tại Việt Nam, hỗ trợ triển khai và tinh chỉnh WAF, rate limiting, chống DDoS, Zero Trust, cũng như xây dựng ứng dụng AI trên Cloudflare Developer Platform (Workers, Workflows, D1, R2, Workers AI). Nếu doanh nghiệp bạn đang quá tải cảnh báo bảo mật hoặc muốn tìm hiểu Cloudflare Managed Defense, hãy liên hệ LionTech để được tư vấn.


Nguồn: Cloudflare Blog, “Building an evidence-grounded agentic security operations harness on Cloudflare” (07/10/2026): https://blog.cloudflare.com/agentic-security-operations/

Đăng ký tư vấn Cloudflare cho doanh nghiệp

Góc nhìn LionTech · Data & Applied AIXem các bài viết khác