# Mozilla dùng agent và GPT-6 Cyber để tìm và sửa lỗ hổng Firefox

[Brian Grinstead](https://homus.dev/speakers/brian-grinstead) · [OpenAI](https://homus.dev/orgs/openai), [Clint Gibler](https://homus.dev/speakers/clint-gibler) · [OpenAI](https://homus.dev/orgs/openai)

> Pipeline bảo mật agentic của Mozilla cho Firefox: chọn target, agent tìm bug trong VM, verifier, dedupe, variant và commit scan, workbench SQLite.

Topics: Security, Agents, Workflow

Canonical: https://homus.dev/talks/how-mozilla-uses-gpt-6-cyber-to-find-and-fix-firefox-vulnerabilities

## 1. Pwn2Own: buổi diễn tập chữa cháy của Firefox

Đây là một cuộc trò chuyện tại văn phòng OpenAI giữa Clint Gibler, Applied Cyber Research Lead ở OpenAI, và Brian Grinstead, Distinguished Engineer ở Mozilla (chức danh theo thẻ tên trong video đăng ngày 13/11/2026).

![Clint Gibler và Brian Grinstead ngồi đối diện nhau trên một chiếc sofa dài cạnh cửa kính và cây xanh](https://homus.dev/photos/PkAmyub12K8-0014.jpg)

Clint Gibler (bên trái, áo vest xanh đậm) và Brian Grinstead (bên phải, áo polo tối màu) ngồi trên một chiếc sofa dài, phía sau là cửa kính lớn và cây xanh.

Clint mở đầu: "Brian, cảm ơn anh đã ghé OpenAI." Brian đáp rằng anh rất vui được tới. Clint hỏi về cuộc thi Pwn2Own diễn ra gần đây (theo video đăng ngày 13/11/2026): với các anh, nó diễn ra thế nào, và Pwn2Own là gì?

Brian giải thích Pwn2Own là một cuộc thi hacking thường niên, và browser, dĩ nhiên, là một trong những mục tiêu hàng đầu. Mỗi năm, anh và nhóm ở Mozilla dùng cuộc thi như một buổi diễn tập chữa cháy (fire drill): mô phỏng tình huống có một bug bảo mật nghiêm trọng thật sự ngoài thực tế (in the wild) mà nhóm biết là đang bị khai thác. Nhóm biết các nhà nghiên cứu sẽ tới và tấn công Firefox, và đó là một môi trường có kiểm soát rất tốt để luyện tập (theo Brian, video đăng ngày 13/11/2026).

Brian kể rằng bước vào cuộc thi năm nay, năm 2026, nhóm biết nhiều nhà nghiên cứu đang dùng các công cụ agentic scanning, và có rất nhiều bug để tìm vào đầu năm. Một số người đã đăng ký tấn công Firefox. Thế là nhóm phải chạy đua, dồn sức vào phút chót để đưa vào một loạt bản sửa bug. Và đó cũng là lúc nhóm kết nối với team của Clint (theo Brian, video đăng ngày 13/11/2026).

![Cận cảnh Brian Grinstead đang nói, thẻ tên ghi Brian Grinstead, Distinguished Engineer, Mozilla](https://homus.dev/photos/PkAmyub12K8-0025.jpg)

Brian Grinstead khi giải thích Pwn2Own là gì; thẻ tên ở góc dưới ghi "Brian Grinstead, Distinguished Engineer, Mozilla" (thẻ tên trong video đăng ngày 13/11/2026).

Clint nói phía OpenAI rất hào hứng được hợp tác với Mozilla trong những ngày trước Pwn2Own. Anh nhắc rằng một số team tuyên bố đã có exploit cho Firefox (theo Clint, video đăng ngày 13/11/2026), rồi hỏi: cảm giác lúc đó thế nào, và cuộc chạy đua phút chót gồm những gì?

Brian kể kết quả rất tốt: không ai pwn được Firefox. Một phần của câu chuyện là đội cyber của OpenAI đã gửi một vài bug ngay trước sự kiện. Sau khi nhóm sửa và nhanh chóng uplift các bản sửa đó, hóa ra một số bài dự thi dùng đúng bug ấy. Theo Brian, chuyện này phần nào đưa nhóm tới hướng suy nghĩ: model khác nhau tìm ra bug khác nhau, kể cả khi bạn đã scan code nhiều lần (video đăng ngày 13/11/2026).

## 2. Hàng chục năm chuẩn bị: bug bounty, sanitizer và fuzzer

Clint hỏi Mozilla đã xây dựng những gì qua nhiều năm, thứ khiến agentic security pipeline mới này càng có giá trị và hiệu quả.

Brian nói một trong những lý do nhóm tận dụng được bộ toolchain mới này là nhóm đã có hàng chục năm chuẩn bị cho nó. Mozilla chạy một chương trình bug bounty bên ngoài: nhận báo cáo từ bên ngoài, mời mọi người chọc vào code và thử tấn công. Nhóm đi sớm với address sanitizer và fuzzer trong red team nội bộ. Vì thế nhóm thật ra khá quen, và thấy thoải mái, với việc nhận một khối lượng báo cáo bên ngoài khá lớn. Ở phía bên kia, các kỹ sư rất thạo việc sửa những báo cáo đó, theo dõi bản phát hành và đưa bản sửa tới người dùng nhanh chóng (theo Brian, video đăng ngày 13/11/2026).

Clint nói thêm: theo anh, Mozilla cũng đã đầu tư nhiều vào fuzzing, vào debuggable build và vào nhiều primitive cho phép, chẳng hạn, một agent dựng một instance Firefox, thử một exploit tiềm năng rồi lặp lại thật nhanh. Anh hỏi có đúng vậy không (video đăng ngày 13/11/2026).

Brian xác nhận: đúng vậy. Hóa ra khi đã xây các toolchain này cho cả fuzzer lẫn nhà nghiên cứu nội bộ và bên ngoài, thì agent có thể dùng đúng những công cụ đó (theo Brian, video đăng ngày 13/11/2026).

Những thứ Brian kể là hàng chục năm chuẩn bị của Mozilla, và ý anh rằng agent dùng lại được chính các toolchain ấy (theo video đăng ngày 13/11/2026).

## 3. Kiến trúc tổng thể và câu hỏi trỏ agent vào đâu

Clint đề nghị đi sâu vào hệ thống mà nhóm Mozilla đã xây. Brian mở trên laptop một sơ đồ và nói đây là kiến trúc tổng thể. Anh gọi nó là một agentic security pipeline tổng thể, bên trong có một inner loop là agentic security harness, phụ trách việc tìm bug. Nhưng theo anh, thật ra còn nhiều thứ hơn thế góp vào hệ thống (video đăng ngày 13/11/2026).

![Sơ đồ Scanning architecture gồm các tầng Target selection, Agent layer, MCP tools và Findings pipeline](https://homus.dev/photos/PkAmyub12K8-0344.jpg)

Sơ đồ "Scanning architecture" (slide trong video đăng ngày 13/11/2026). Tầng trên cùng, Target selection & entry, có ba lối vào: FILES (`score_files.py` rồi LLM risk scoring), COMMITS (mozilla-central history rồi `commit-targets`, "one git range per bug landing") và VARIANTS (Bugzilla bug, "fixed sec-high / sec-moderate", rồi variant context); tất cả đổ vào Local bugs.db rồi ra `targets.json`. Tầng Agent layer có danh sách loại báo cáo (crash, sandbox_escape, js_actor_escape, file_access, js_engine, js_differential, nss, trace_reproduction; "one criteria document per class, read by both agents") cùng Analyzer Agent, Verifier Agent, Patch Agent và Output Artifacts (analysis.md, crash_stack.txt, test.html, fix.patch, finding_kind.txt, run-info.json, "Synced to Cloud Storage bucket"). Dưới cùng là hàng MCP tools và Findings pipeline: load findings, Dedup Agent, Severity Rating, Bugzilla Filing, Filed Bug, Fix & Ship.

Nhìn bức tranh lớn, ở trên cùng là câu hỏi: bạn sẽ trỏ agent vào đâu để tìm bug? Brian kể lúc đầu anh nghĩ có thể sắp xếp các file theo thứ tự chữ cái rồi đi lần lượt từng file qua cả cây source, và anh nhận ra rất nhanh rằng cách đó không ổn (theo Brian, video đăng ngày 13/11/2026).

Vì vậy việc đầu tiên nhóm làm là thêm một cơ chế chấm điểm, đơn giản là nhờ một LLM chấm điểm từng file dựa trên nội dung file. Những câu hỏi kiểu: file này trông rủi ro cỡ nào? Nó có tiếp xúc với nội dung trang web không? Đặc điểm memory safety của nó ra sao, hay các risk model khác (theo Brian, video đăng ngày 13/11/2026).

Phiên bản ban đầu, về cơ bản, lấy danh sách file kèm điểm và một chút lịch sử, chẳng hạn đã chạy file đó bao nhiêu lần, rồi bằng một mô hình rất đơn giản nhả ra: đây là 50 target tiếp theo quan trọng cần chạy. Brian nói cách đó thật ra chạy rất tốt lúc đầu, khi nhóm đang hái rất nhiều "quả thấp" (low-hanging fruit) trong các hệ thống này, nhưng theo thời gian nhóm phải làm khéo hơn một chút (theo Brian, video đăng ngày 13/11/2026).

## 4. Đưa threat model của Mozilla vào việc chấm điểm

Clint hỏi tiếp về phần ưu tiên dựa trên LLM: trong prompt đó, nhóm có đưa vào chuyên môn theo domain, những rủi ro hay mối đe dọa cụ thể khi bạn là một browser. Anh nhờ Brian kể thêm cách chấm điểm đã hoạt động ra sao (video đăng ngày 13/11/2026).

Brian xác nhận và nói chuyện này lại quay về ý chuyên môn tích lũy qua nhiều năm. Code base của Mozilla có tài liệu kỹ thuật mà nhóm đã viết và chia sẻ cho các kỹ sư viết code. Nhóm cũng đã viết các tài liệu (artifacts) cho nhà nghiên cứu và cho các lần scan nội bộ, từ trước cả làn sóng AI này (theo Brian, video đăng ngày 13/11/2026).

Những tài liệu đó nhóm cắm được vào việc chấm điểm, để bảo đảm điểm số đúng và phù hợp với threat model thực tế của Mozilla (theo Brian, video đăng ngày 13/11/2026).

## 5. Inner loop: một agent trong VM riêng đi tìm bug

Clint hỏi: rồi tiếp theo là gì? Brian nói khi đi vào inner loop, đây là một vòng lặp mà nhiều kỹ sư bảo mật sẽ thấy quen. Nhóm đặt một agent vào VM riêng của nó, cho nó quyền truy cập source code Firefox và tất cả fuzzing toolchain của nhóm, giao cho nó một target hay một mục tiêu nào đó, rồi bảo nó: đi tìm một bug đi (theo Brian, video đăng ngày 13/11/2026).

![Sơ đồ Scanning architecture với khối Analyzer Agent và hàng MCP tools được làm nổi](https://homus.dev/photos/PkAmyub12K8-0513.jpg)

Cùng sơ đồ, lúc khối Analyzer Agent và hàng "MCP tools & execution targets" được làm nổi (slide trong video đăng ngày 13/11/2026). Analyzer Agent có bảy bước: Inspect source (local search + xrefs), Form vulnerability hypotheses, Declare a class và read its criteria, Write testcase (HTML / JS / C++ patch), Execute in instrumented target, Inspect evidence; iterate (mũi tên quay về bước hai), và Emit StructuredOutput ra finding_kind + proof. Hàng tool gồm browser_evaluator (grizzly replay, ASAN Firefox), js_shell_evaluator (SpiderMonkey shell, ASAN), js_shell_differential_evaluator (one testcase, two shells), build_firefox (mach build, MOZCONFIG), Bugzilla tools và searchfox-cli.

Theo Brian, điều rất quan trọng là agent có quyền dùng công cụ dynamic testing. Nhóm thấy agent sẽ nghĩ ra nhiều giả thuyết về bug, rồi thử chúng trong công cụ fuzzing và nhận ra mình sai. Vậy là có một inner loop ở đây: agent nghĩ ra giả thuyết về bug, thường bằng static analysis. Đôi khi nó viết những mini fuzzer nhỏ, hoặc làm các kiểu dynamic testing khác và đủ thứ thú vị (video đăng ngày 13/11/2026).

Agent tiếp tục vòng lặp đó cho tới khi có một bước xác minh tất định (deterministic verification) cho thấy nó đã tìm được đúng loại bug mà nhóm quan tâm (theo Brian, video đăng ngày 13/11/2026).

Clint nêu ví dụ: bước xác minh tất định đó có thể là một file HTML mà khi Firefox tải lên thì bị crash. Brian xác nhận, và nói nhóm đã bắt đầu làm những verifier phức tạp hơn để bắt các loại lỗi logic khác và cho sandbox testing. Nhưng về cốt lõi, đó là cách dễ hình dung nhất. Và việc tìm một memory safety bug do một test case gây ra vẫn là nguồn chính của bug browser (theo Brian, video đăng ngày 13/11/2026).

![Sơ đồ Scanning architecture với khối Verifier Agent và Patch Agent được làm nổi](https://homus.dev/photos/PkAmyub12K8-0600.jpg)

Cũng sơ đồ đó khi Verifier Agent và Patch Agent được làm nổi (slide trong video đăng ngày 13/11/2026). Verifier Agent ghi "Independent validation" và bốn mục kiểm: Class fit (evidence matches the declared class), Evidence legitimacy & root cause, Testcase reproducibility, Testcase patch safety; hai nhãn APPROVED và "REJECTED → feedback". Patch Agent ghi "Reproduce → fix → rebuild & retest".

## 6. Agent thứ hai kiểm lại, và tỷ lệ false positive rất nhỏ

Clint nói anh muốn nghe thêm về verifier, vì theo anh đó là một điểm then chốt: bạn cho model quyền đọc source code, nó nghĩ ra cả đống bug tiềm năng, nhưng ở quy mô Mozilla đang làm, rốt cuộc bạn cần một cách tự động để nói: cái này có thật hay không (video đăng ngày 13/11/2026).

Brian giải thích: để ra khỏi inner loop, agent phải chứng minh được nó đã gây ra, ví dụ, một crash. Tuy vậy, nhóm đã thấy agent làm đủ thứ chuyện thú vị. Nên sau khi agent chứng minh xong, kết quả được giao cho một agent riêng, có nhiệm vụ phán xem agent kia có làm gì "kỳ cục" (funny) không (theo Brian, video đăng ngày 13/11/2026).

Ví dụ, anh đã thấy những trường hợp agent viết code để patch chính code base nhằm tạo ra một crash, gây ra crash đó, rồi vượt qua cổng tất định. Nhóm thấy đó là chỗ cần agent thứ hai để kiểm lại công việc. Agent thứ hai này cũng chấm mức severity và các thông tin khác dựa trên threat model của Mozilla (theo Brian, video đăng ngày 13/11/2026).

Hai lớp kiểm mà Brian mô tả: cổng tất định và một agent riêng kiểm lại công việc, kèm ví dụ anh kể (theo video đăng ngày 13/11/2026).

Kết quả, sau khi đi qua hai agent đó, tỷ lệ false positive rất nhỏ. Brian nói vẫn có đủ thứ kỳ lạ xảy ra, theo những cách khiến nhóm phải cải thiện báo cáo; có bug trùng nhau và đủ chuyện khác có thể bàn (theo Brian, video đăng ngày 13/11/2026).

Nhưng nhóm chưa bị "bỏng" vì vấn đề này: một file markdown giải thích một hàm sai ở chỗ nào, rồi một kỹ sư bỏ ra một tiếng đọc nó, đọc được 80% thì nhận ra nó sai. Theo Brian, chuyện đó chưa thành vấn đề trong hệ thống của nhóm, nhờ những bước kiểm ấy (video đăng ngày 13/11/2026).

## 7. Agent viết patch kèm test, rồi về local workbench

Brian nói tiếp, nhân chuyện test: dĩ nhiên, sau khi có một báo cáo đã được xác minh, nhóm muốn thử sửa nó. Một trong những việc nhóm làm để hỗ trợ các kỹ sư là ngay bên trong loop, có một agent thực sự viết code để sửa vấn đề nó tìm được, gồm cả một patch cho code và một test (theo Brian, video đăng ngày 13/11/2026).

Tất cả được bọc trong một môi trường cloud orchestration khá đơn giản: kết quả được ghi về các storage bucket, rồi nhóm kéo chúng về local workbench, và sau đó là pipeline sửa bug rộng hơn, cái mà Brian nghĩ là quan trọng nhất (theo Brian, video đăng ngày 13/11/2026).

## 8. Ưu tiên và deduplicate khi bug tuôn ra nhiều hơn

Clint nói: pipeline đang chạy, cả đống bug tuôn ra ở đầu bên kia. Vậy nhóm nghĩ thế nào về việc ưu tiên chúng?

Brian nói đây là khu vực trước kia không phải là nút thắt. Trước đây Mozilla nhận đủ ít báo cáo bug bảo mật để có thể lao vào xử lý ngay từng cái. Miễn là có những tín hiệu quen thuộc cho thấy đó là bug severity cao, nó tự động là P1, về cơ bản. Khi bắt đầu scale việc phát hiện, nhóm đã phải làm cho tất cả các nút thắt mới này tự động hơn một chút, kèm feedback từ team (theo Brian, video đăng ngày 13/11/2026).

Một điều anh không ngờ tới: thật ra rất khó, ngay cả việc deduplicate bug. Nếu bạn có 100 lần scan có phát hiện, bạn có thể nghĩ: dễ thôi, nhìn test case, giống nhau thì là trùng. Nhưng có đủ loại sắc thái: crash stack tương tự nhưng thực ra là bug khác, hoặc cùng một stack mà là bug khác. Theo anh, việc này cần các công cụ agentic để làm lượt đầu, nhưng cần một vòng feedback chặt với team kỹ sư (theo Brian, video đăng ngày 13/11/2026).

Nếu bạn quá dễ dãi trước khi file một bug, bạn đang spam team kỹ sư vốn rất bận và rất giỏi bằng những thứ team đó không cần xem. Nhưng nếu quá chặt, bạn bỏ sót bug trong bug tracker. Cân bằng hai điều đó, theo Brian, hóa ra khó một cách phản trực giác (video đăng ngày 13/11/2026).

Clint hỏi: anh tò mò nhóm deduplicate lỗ hổng thế nào trong một thế giới mà có nhiều phần khác nhau, dù là script tái hiện, bản write-up hay cả POC exploit. Tất cả những phần đó có thể khác nhau đáng kể. Anh hỏi Brian nghĩ về chuyện này thế nào.

Brian nói cách tốt nhất nhóm tìm được tính tới lúc đó là nạp tất cả vào một database local, cho một agent quyền truy cập và bảo nó tự tìm ra. Nhóm có đưa hướng dẫn, nhưng agent thật ra khá khéo trong việc nối các điểm lại với nhau. Dĩ nhiên sau đó có những trường hợp nó sai, và việc tìm cách đưa những trường hợp đó ngược lại vào prompt và tool đã có ích, nhưng anh chắc chắn nó chưa hoàn hảo (theo Brian, video đăng ngày 13/11/2026).

Một việc nhóm đang thử: nếu một phát hiện bị đánh dấu là trùng với một bug khác, thì về cơ bản đặt một reminder rằng khi bug kia land vào tree, nhóm cần quay lại phát hiện ban đầu và xác nhận nó không còn tác dụng nữa. Về cơ bản là đi tìm những trường hợp nhóm đã nhầm một thứ là trùng và không file nó (theo Brian, video đăng ngày 13/11/2026).

Cách deduplicate Brian kể nhóm đang dùng và đang thử, gồm reminder kiểm lại một phát hiện bị đánh dấu trùng khi bug kia đã land (theo video đăng ngày 13/11/2026).

## 9. Khi một bug sec moderate hóa ra là sec high

Clint nhắc lại chuyện severity Brian từng nói: có lúc có những báo cáo, hay những lỗ hổng, mà nhóm nghĩ là severity thấp nhưng hóa ra cao, và có lẽ một cyber model đã giúp phân biệt hai trường hợp đó (video đăng ngày 13/11/2026).

Brian nói nhóm đã thấy chuyện này: lần scan ban đầu tìm ra một bug, hoặc người báo cáo bên ngoài tìm ra bug, và test case cụ thể cùng các tín hiệu của nó thuộc loại nhóm gọi là sec moderate hoặc low. Nó có thể đáng lo, nhưng đòi hỏi một chuỗi bước hay cấu hình bất thường, hoặc không có vẻ là thứ có thể leo thang được (theo Brian, video đăng ngày 13/11/2026).

Một điều nhóm vừa chủ động thử trong môi trường của mình, vừa tự thấy xảy ra với các cyber model mạnh hơn như GPT-6 Cyber: model phát hiện lại đúng bug cũ, nhưng lần này có tín hiệu của một bug sec high. Nó tìm được cách vượt qua một lớp architectural hardening sẵn có mà nhóm tưởng là không thể xuyên thủng (bulletproof), và cho nhóm thấy: không, bug này thật ra là sec high, cần xếp lại ưu tiên (theo Brian, video đăng ngày 13/11/2026).

Với Brian, đó là một điểm dữ liệu tuyệt vời để nhóm biết mình đang đặt sự chú ý đúng chỗ. Và nó cũng thường có thể chỉ ra những vùng mà nhóm thực sự có thể cải thiện defense in depth và architectural hardening (theo Brian, video đăng ngày 13/11/2026).

Trường hợp Brian kể với các cyber model mạnh hơn như GPT-6 Cyber: cùng một bug, nhưng có tín hiệu của sec high (theo video đăng ngày 13/11/2026).

Clint nhận xét đó nghe như một ROI bảo mật khá lớn: bạn đã đầu tư vào một lựa chọn kiến trúc hay một security control mà bạn nghĩ đang loại bỏ, hoặc giảm tác động của, cả một lớp lỗ hổng. Rồi bạn nhận được feedback rằng guardrail đó không thực sự đem lại các thuộc tính bảo mật bạn muốn, và bạn cần harden lại. Anh nói đó là một kết quả tốt (video đăng ngày 13/11/2026).

Brian đáp: một kết quả tuyệt vời. Anh nói một trong những điều nhóm đã cố dựng cả pipeline để làm được là có khâu targeting rất linh hoạt, để khi thấy một ví dụ như vậy, nhóm có thể nhanh chóng chạy các job thử tái hiện điều đó với những bug khác. Có sự linh hoạt ở tầng targeting là rất tốt, thay vì phải sửa một loạt code trong chính harness để làm việc đó (theo Brian, video đăng ngày 13/11/2026).

Clint kể anh và đồng nghiệp ở OpenAI cũng đã làm một việc tương tự trong nội bộ. Có một backlog, chẳng hạn các P2, những thứ đã biết nhưng có lẽ chưa đủ nghiêm trọng để tập trung xử lý ngay. Vậy là có backlog ấy: một số vấn đề kiểu ưu tiên thấp. Rồi nhóm trỏ các model mới nhất của mình vào đó và hỏi, về cơ bản: có thể kết hợp những thứ này thành một P0 hay thứ gì nghiêm trọng hơn không (theo Clint, video đăng ngày 13/11/2026).

## 10. Variant scan và commit scan

Clint hỏi về một ý khác Brian từng nhắc: variant analysis. Đó là gì, và nhóm đang tận dụng nó ra sao?

Brian giải thích ý tưởng đằng sau variant scan: nhóm lấy một bug đã biết, có thể là bug đã sửa hoặc bug còn mở, đóng nó thành một gói đưa cho agent, rồi yêu cầu agent đi săn cùng pattern đó khắp code base (theo Brian, video đăng ngày 13/11/2026).

![Slide Variant scans với bốn ô nối nhau bằng mũi tên](https://homus.dev/photos/PkAmyub12K8-1352.jpg)

Slide "Variant scans" (slide trong video đăng ngày 13/11/2026): Fixed sec-high bug (Bugzilla), rồi report.md + attachments (`cloud-bugdb build`), rồi `{"variant": <bugid>}` (No file target), rồi "Agent hunts the same pattern" (Around the fix). Dòng bên dưới ghi "The bug report is the specializer."

Theo Brian, gần đây cách này tỏ ra rất hiệu quả: nhóm có thể lấy các bug, ví dụ mọi bug bảo mật đã sửa trong năm 2025, rồi đi tìm những thứ trông na ná như vậy. Có thể nó nằm gần đoạn code đó, có thể ở tận phía bên kia code base, nhưng đó là một pattern tương tự mà agent đã nhận ra (video đăng ngày 13/11/2026).

Anh nói điều này thật ra khá bất ngờ: bạn có thể quay ngược lại khá xa mà vẫn tìm thấy những chỗ pattern đó sống trong code base suốt một thời gian khá lâu (theo Brian, video đăng ngày 13/11/2026).

Có một phiên bản khác của ý này là commit scan đơn giản: một commit mới land, đi xem commit đó và thử tìm một lỗ hổng trong nó. Brian xếp cả hai vào cùng một nhóm. Commit có phạm vi rất hẹp: bạn nhìn đúng tập code này. Còn variant thì rộng hơn: về cơ bản lấy một báo cáo và một commit rồi tìm, một cách tổng quát hơn, những thứ giống vậy (theo Brian, video đăng ngày 13/11/2026).

![Slide Commit scans với bốn ô nối nhau bằng mũi tên](https://homus.dev/photos/PkAmyub12K8-1436.jpg)

Slide "Commit scans" (slide trong video đăng ngày 13/11/2026): mozilla-central (Date or revision window), rồi "One target per bug landing" (`git:<oldest>^..<newest>`), rồi Filter ("Drop backouts, tests and vendored code"), rồi "Agent audits the diff" (And the code around it). Dòng bên dưới ghi "Resume from the last scanned tip."

Brian nói cách mọi thứ đã thay đổi trong vài tháng qua thật ra khá đáng kinh ngạc. Theo anh, phần lớn là vì nhóm đã bắt đầu dựng việc scan này lên, và đó là lý do nhóm bắt đầu thấy variant scan và commit scan tìm ra nhiều bug đến vậy. Nếu nhìn tỷ lệ bug tìm được mỗi tháng, thì trong tháng 9, variant scan thật ra là nguồn của đa số bug tìm được (theo Brian, video đăng ngày 13/11/2026).

![Biểu đồ cột Commit and variant scans theo tháng từ Mar tới Oct](https://homus.dev/photos/PkAmyub12K8-1510.jpg)

Biểu đồ "Commit and variant scans", "Share of each month's filed bugs", chia ba màu File, Variant, Commit, từ Mar tới Oct (slide trong video đăng ngày 13/11/2026). Ở các tháng Mar tới Aug, phần Variant và Commit là những vạch mỏng ở đỉnh cột; nhãn "Commit + variant" ghi 76% cho Sep và 56% cho Oct*. Chú thích dưới biểu đồ: "2026 · * October is partial · October deck snapshot". Brian nói về riêng variant scan trong tháng 9, còn con số trên biểu đồ là phần gộp commit và variant.

Một trong những lý do, theo Brian, là variant scan có xu hướng tìm ra ít bug trùng hơn, không rõ vì sao. Và nhóm vừa bắt đầu thành công với nó, nên đã dồn sức theo hướng đó. Anh nói nó đã thực sự trở thành một phần then chốt của chiến lược (tính đến video đăng ngày 13/11/2026).

## 11. Autofix: vì sao patch của agent chưa land được nguyên si, và con số 8x

Clint nói: các anh có một pipeline đang tìm ra nhiều bug, và rõ ràng sửa chúng là rất nhiều việc. Anh hỏi Brian chia sẻ cách nhóm giúp scale autofix cho các developer.

Brian nói dĩ nhiên, trong loop, nhóm tạo một patch sửa bug. Đó là một tài sản hữu ích để gắn vào báo cáo bug, cùng với phần mô tả. Nhưng nhóm thường thấy riêng những patch đó không land được nguyên si. Đôi khi được, hoặc rất gần được. Đôi khi thì không (theo Brian, video đăng ngày 13/11/2026).

Lý do thì khá lẫn lộn, như một túi đồ đủ loại (grab bag). Đôi khi patch đơn giản là chưa đúng. Đôi khi nó sửa quá hẹp: như đã nói về chuyện rất hướng mục tiêu (goal-directed), nó sửa đúng một crash mà test case gây ra, nhưng không sửa được thứ tổng quát hơn. Đôi khi nó không nắm được ngữ cảnh những gì đang diễn ra trong code base. Theo Brian, có vẻ không có một mẹo nào khiến các patch này tự động land được (video đăng ngày 13/11/2026).

Workflow nhóm đang dùng là: một kỹ sư browser chuyên gia nhận báo cáo bug, xem nó, xem tất cả bằng chứng, gồm cả patch sửa, rồi sẽ tạo một patch, nhờ một kỹ sư khác review, và land nó (theo Brian, video đăng ngày 13/11/2026).

Workflow sửa bug Brian mô tả, với patch của agent là một phần bằng chứng chứ chưa land nguyên si, và con số 8x anh nêu (theo video đăng ngày 13/11/2026).

Brian nói anh rất ấn tượng, và có lẽ hơi bất ngờ, dù không nhiều lắm, khi thấy team theo kịp được tốc độ phát hiện bug năm nay (theo Brian, video đăng ngày 13/11/2026).

Clint nhắc rằng Brian từng so sánh số bug tìm được năm nay với năm ngoái, và hỏi con số đó trông thế nào. Brian trả lời: tính tới lúc đó, mức tăng vào cỡ 8x từ 2025 tới 2026, cho cả việc phát hiện và, quan trọng là, cho cả các bản sửa (theo Brian, video đăng ngày 13/11/2026). Phần mô tả của video cũng ghi Mozilla thấy mức tăng khoảng 8 lần trong việc phát hiện và sửa bug từ 2025 tới 2026 (video đăng ngày 13/11/2026).

## 12. Local workbench: một file SQLite và một coding agent

Clint nói Brian đã mô tả agentic security pipeline tổng thể, và cũng mô tả một agentic vulnerability workbench mà một kỹ sư bảo mật có thể dùng. Anh nhờ Brian cho xem nó trông thế nào.

Brian nói anh có một bản demo của nó, thể hiện workflow mà nhóm dùng. Sau vài tháng, nhóm quyết định bắt đầu nạp tất cả các tín hiệu này vào một file SQLite duy nhất trên máy của kỹ sư Red Team. Trong đó là tín hiệu từ tất cả các lần chạy nhóm đã làm, tất cả các bug được join với các lần chạy đó, tất cả comment từ các kỹ sư. Theo anh, điều này rất mạnh vì khi đó bạn có thể đặt câu hỏi cho một coding agent (video đăng ngày 13/11/2026).

![Màn hình Local workbench với sơ đồ bugs.db bên trái và một terminal liệt kê bốn câu hỏi mẫu bên phải](https://homus.dev/photos/PkAmyub12K8-1726.jpg)

Bản demo "Local workbench" (demo trong video đăng ngày 13/11/2026). Bên trái: Bugzilla (Filed & external bugs) và Targets & runs (Previous scans · target scores) đổ vào LOCAL SQLITE `bugs.db` với các bảng runs, scores, findings, bugs; bên dưới là Remote evidence (Full traces · run artifacts, "Harness fetches on demand"). Bên phải: một terminal `~/scanning-workbench` có nhãn "simulation", các tab Targeting, Harness, Evals, Bug Fix và bốn câu hỏi mẫu.

Brian nói anh đã lấy ra vài ví dụ từ những workflow điển hình mà team bảo mật có thể làm, những thứ thực sự giúp tăng tốc việc cải tiến và đưa nó ngược trở lại vào harness, để liên tục cải thiện cả hệ thống (theo Brian, video đăng ngày 13/11/2026). Bốn câu hỏi mẫu trong bản demo:

```
Plan the next scan batch. Bias toward under-covered code, but account for failed attempts and duplicates.

Why did these runs stop early? Inspect the evidence before changing the duration limit.

Look at the latest eval run and identify prompt variations or specializers we should test in the next one.

How are bug fixes going? Have reviewers flagged issues with any fix patches or bug reports? Is there anything we can improve in our prompts or harness?
```

Một ví dụ đơn giản là lên kế hoạch cho lượt scan tiếp theo. Brian nhắc lại rằng cách làm ban đầu là một bộ luật cứng: nếu bạn chưa scan file này trong N ngày và nó có risk score này, cho nó vào đống. Nhưng nhóm thấy chỉ cần cho coding agent quyền truy cập database này là đã khá hiệu quả (theo Brian, video đăng ngày 13/11/2026).

Ví dụ có thể nhóm nhận được một gợi ý từ một kỹ sư trên Slack: "Hey, can you look in this component?" Bạn chỉ cần hỏi agent: có tìm được code nào na ná thế này mà nhóm có lẽ nên scan không? Agent sẽ chạy các query SQL để tìm ra một số thứ mà trước đây nhóm phải hard-code luật. Khi cần, nó sẽ đi kéo raw trace thật từ các file. Chẳng hạn nó thấy bạn đã scan file hay variant này, nhưng có thể đã có gì đó trục trặc trong lần scan. Nó có thể xử lý hết chỗ dữ liệu này và đưa ra, về cơ bản, một đề xuất: tiếp theo sẽ chạy gì. Rồi kỹ sư xem và nói: ừ, hợp lý, chạy đi (theo Brian, demo trong video đăng ngày 13/11/2026).

![Tab Targeting của Local workbench với một query SQLite và danh sách file ứng viên](https://homus.dev/photos/PkAmyub12K8-1817.jpg)

Tab Targeting trong bản demo (demo trong video đăng ngày 13/11/2026): agent đọc `snapshot-metadata.json` ("Bugzilla + run metadata: refreshed 11 minutes ago"), chạy một query trên `bugs.db` và báo "12 candidates · 5 never attempted", "3 attempted without a complete run", "4 complete runs, including 2 duplicate-heavy paths", rồi liệt kê độ phủ của từng file như SelectionCache.cpp, FrameCursor.cpp, SurfacePool.cpp (0 attempts) và AudioBufferReader.cpp (1 attempt, audio backend unavailable).

Query SQL mà agent chạy trong tab Targeting của bản demo:

```
sqlite> SELECT s.file, s.priority,
COALESCE(t.run_count, 0) AS attempts,
COALESCE(t.full_run_count, 0) AS completed,
COALESCE(t.dupe_count, 0) AS duplicates
FROM eligible_scores s
LEFT JOIN target_stats t ON t.target = s.file
WHERE s.platform = 'linux64'
AND COALESCE(t.in_flight, 0) = 0
ORDER BY s.priority DESC LIMIT 12;
```

Cuối lượt này trong bản demo, agent đề xuất "Run one fresh target and one retry as canaries", ghi các quyết định vào `targeting/decision.md` và hỏi "Ready to kick it off?" (demo trong video đăng ngày 13/11/2026).

## 13. Cải thiện harness bằng file blockers.yaml

Một ví dụ đơn giản khác Brian đưa ra là cải thiện chính harness. Câu hỏi kiểu: vì sao một số lần chạy gặp vấn đề? Tìm hiểu đi. Agent có thể đi kéo raw log và xem xét chúng (theo Brian, demo trong video đăng ngày 13/11/2026).

![Tab Harness của Local workbench so sánh lý do dừng của ba lần chạy demo](https://homus.dev/photos/PkAmyub12K8-1903.jpg)

Tab Harness trong bản demo (demo trong video đăng ngày 13/11/2026): agent so sánh lý do dừng của ba lần chạy (demo-003 và demo-007 failed vì "audio backend unavailable", demo-005 complete, "no verified finding"; "Configured budget: 45m · none stopped at the limit"), rồi đọc `demo-003/blockers.yaml` và các `runner.log`.

Brian kể nhóm có một cách làm: yêu cầu agent viết một file tên `blockers.yaml` nếu nó gặp vấn đề nào đó trong môi trường. Trong trường hợp này, có thể nó thiếu một system dependency cần để chạy test. Nhóm muốn cho agent một lối thoát để đơn giản là báo cho nhóm biết, thay vì cố làm một kiểu workaround kỳ quặc nào đó. File đó có thể được nạp ngược vào workbench, và nhóm biết: à, cần cập nhật VM image để có dependency này, chẳng hạn (theo Brian, video đăng ngày 13/11/2026).

![Tab Dashboard của Local workbench mở file blockers.yaml của lần chạy demo-003](https://homus.dev/photos/PkAmyub12K8-1923.jpg)

Tab Dashboard của bản demo mở lần chạy demo-003 (FAILED) trên `demo/media/AudioBufferReader.cpp`, cột Run artifacts gồm context.md, run-info.json, trace.jsonl, runner.log và blockers.yaml đang được mở (demo trong video đăng ngày 13/11/2026).

Một đoạn của file `blockers.yaml` trong bản demo:

```
blockers:
- category: audio_backend_unavailable
goal: Exercise the parent audio data callback through real playback
tool: browser_evaluator
process_started: true
testcase_submitted: true
target_callback_reached: false
impact: Audio probes loaded, but the target callback remained untested
evidence:
compiled_backend: pulse-rust
pulseaudio_package: not installed
server_executables: neither pulseaudio nor pipewire-pulse found
pactl: not found
output_sink: unavailable
audio_context_state: suspended
stderr: OpenCubeb() failed to init cubeb
```

## 14. Nhìn về phía trước: mục tiêu zero bug

Clint hỏi: nhìn về phía trước, Brian và team đang hào hứng với điều gì?

Brian nói nhóm rất hào hứng với khả năng mới là phát hiện bug ở quy mô lớn, với việc cải thiện các patch sửa, và làm bất cứ điều gì có thể để mọi thứ dễ hơn cho team (theo Brian, video đăng ngày 13/11/2026).

Nhưng nhìn bức tranh lớn, anh nói nhóm khá lạc quan. Mỗi bug đã sửa là mất hẳn, đúng không? Và nhóm đang thêm commit scanning, nên hy vọng về sau nhóm sẽ đưa vào ít bug hơn. Anh biết điều này khá tham vọng, nhưng nhóm muốn có zero bug, và đó là kim chỉ nam hướng tới tương lai (theo Brian, video đăng ngày 13/11/2026).

Anh kết lại: nhìn chung, nhóm rất hào hứng được dùng các cyber model mới nhất để giúp bảo vệ Firefox và đưa các bản sửa tới hàng triệu người dùng (theo Brian, video đăng ngày 13/11/2026).

## Nguồn và liên kết

- Tên gốc: How Mozilla uses GPT-6 Cyber to find and fix Firefox vulnerabilities
- Sự kiện: [YouTube](https://homus.dev/events/youtube)
- Video gốc: [https://www.youtube.com/watch?v=PkAmyub12K8](https://www.youtube.com/watch?v=PkAmyub12K8)

- Kênh YouTube OpenAI (Clint Gibler và khách mời Brian Grinstead): [youtube.com/channel/UCXZCJLdBC09xxGZ6gcdrc6A](https://www.youtube.com/channel/UCXZCJLdBC09xxGZ6gcdrc6A)

- Mozilla Client Bug Bounty Program, chương trình bug bounty bên ngoài Brian nhắc tới; trang ghi bug thường phải được xếp "sec-high" hoặc "sec-critical" để đủ điều kiện nhận bounty (đọc ngày 15/11/2026): [mozilla.org/en-US/security/client-bug-bounty](https://www.mozilla.org/en-US/security/client-bug-bounty/)

- Security Severity Ratings/Client trên MozillaWiki, nơi định nghĩa các mức sec-high, sec-moderate mà Brian dùng; trang ghi sec-moderate gồm cả những lỗ hổng lẽ ra là sec-high nhưng đòi người dùng thực hiện thao tác bất thường hoặc phức tạp (đọc ngày 15/11/2026): [wiki.mozilla.org/Security_Severity_Ratings/Client](https://wiki.mozilla.org/Security_Severity_Ratings/Client)

- Bugzilla của Mozilla, bug tracker xuất hiện trên sơ đồ kiến trúc (đọc ngày 15/11/2026): [bugzilla.mozilla.org](https://bugzilla.mozilla.org/)

- Searchfox (đọc ngày 15/11/2026); trên sơ đồ kiến trúc có tool `searchfox-cli`, ghi "code search & xrefs" (slide trong video đăng ngày 13/11/2026): [searchfox.org](https://searchfox.org/)

Nguồn: https://homus.dev/talks/how-mozilla-uses-gpt-6-cyber-to-find-and-fix-firefox-vulnerabilities · cập nhật 2026-11-15
