OpenAI plant nieuwe securitysprint met Cathedral en verhoogt bug bounties tot $172.000 met bonussen

Op 2 november 2026 publiceerde OpenAI twee samenhangende blogposts: 'Preparing our next security sprint to harden OpenAI' en 'Rewarding defenders with bigger bug bounties'. De eerste kondigt een nieuwe interne securitysprint aan waarin OpenAI externe onderzoekers en securitypartners samenbrengt met zijn eigen teams, om met de eigen modellen de systemen te testen en te versterken. De tweede verhoogt de beloningen in het Security Bug Bounty-programma, zodat onafhankelijke onderzoekers kwetsbaarheden vinden die het eigen testwerk mogelijk heeft gemist.

In dit artikel zet ik beide aankondigingen op een rij. Je leest wat de sprint inhoudt, welke rol Cathedral daarin speelt (partner, geen overname), wat de vorige sprint opleverde, hoe het Daybreak-programma met $1 miljard aan gesubsidieerde toegang in dat verhaal past, en wat de nieuwe bountybedragen en bonussen concreet voor je betekenen als je zelf kwetsbaarheden onderzoekt of een securityteam aanstuurt. Waar OpenAI rekent met bonussen, laat ik de rekenvoorbeelden zien die het bedrijf zelf geeft.

Twee aankondigingen, één boodschap

De twee posts staan niet los van elkaar. De sprint gaat over het intern vinden en repareren van zwakke plekken met behulp van modellen; het bountyprogramma gaat over hetzelfde doen met hulp van buiten. OpenAI beschrijft dat laatste als een aanvulling op het werk van de 'Defense Factory', waar engineers met modellen zwakke plekken opsporen, reproduceren en fixes testen. Responsible disclosure door externe onderzoekers loopt daar volgens het bedrijf naast.

Wie de bredere ontwikkeling volgt, ziet dat labs hun verdediging steeds meer als doorlopend proces inrichten in plaats van als periodieke audit. Voor achtergrond bij die verschuiving kun je terecht bij ons dossier over AI en cybersecurity, waar de wisselwerking tussen aanvals- en verdedigingsmiddelen centraal staat. Dat helpt om de twee aankondigingen in perspectief te plaatsen: het zijn geen losse nieuwtjes, maar twee knoppen aan hetzelfde instrument.

In de sprintpost schrijft OpenAI dat 'traditional cyber defenses alone are no longer sufficient' en dat recente incidenten in de sector laten zien hoe snel dreigingen kunnen opkomen. Het bedrijf trekt daar de conclusie uit dat organisaties 'continuous defensive loops' nodig hebben om zwakke plekken te vinden en te repareren voordat aanvallers dat doen. Die formulering is de kern van beide posts.

De volgende securitysprint

OpenAI beschrijft de komende sprint als een periode waarin het 'new researchers and security partners together with our own teams' brengt, met als doel 'to use our models to test and strengthen our systems'. Het gaat dus uitdrukkelijk om een interne sprint – de eigen systemen zijn het doelwit – waarvoor tijdelijk extra mensen en partners worden aangehaakt.

"We're partnering with Cathedral, whose researchers will use OpenAI's models alongside our teams to challenge our defenses, bringing differentiated expertise and approaches to finding weaknesses and helping us protect our platforms."

Die formulering is precies zoals OpenAI hem opschrijft: Cathedral-onderzoekers werken naast de eigen teams, met de eigen modellen, om de verdediging uit te dagen. Het idee daarachter is dat een buitenstaander andere vragen stelt en andere paden bewandelt dan het team dat het systeem heeft gebouwd. Voor verdedigers is dat een bekend patroon: je eigen aannames zijn het lastigst te bevragen als je ze zelf hebt opgeschreven. Wie wil weten hoe je zulke modellen selecteert en waar je op let bij code-audits, vindt aanknopingspunten in deze vergelijking van modellen voor cyberbeveiliging en code-audits.

OpenAI zegt daarnaast dat het 'sharing our architecture and lessons from the last sprint, alongside our blueprint for empowering cyber defenders across industry and government' deelt. Dat betekent dat een deel van de opgedane kennis niet achter de voordeur blijft, maar wordt gepubliceerd als blauwdruk voor andere verdedigers. Voor IT-teams die zelf met dergelijke lussen willen beginnen, is dat relevant materiaal.

Cathedral als partner, niet als overname

Het is belangrijk om dit scherp te houden: OpenAI gaat een partnerschap aan met Cathedral. Er is geen sprake van een overname, geen aankoop en geen acquisitie. Cathedral blijft een zelfstandige securityfirma; OpenAI haalt de onderzoekers tijdelijk bij de sprint om de eigen verdediging te testen. Het woord dat OpenAI zelf gebruikt is 'partnering'.

Gavin Kliger, CEO en mede-oprichter van Cathedral, zegt daarover:

"OpenAI is setting an important example by partnering with outside security firms and using its own models to continuously test and strengthen its defenses. Every company should be thinking about how to put these capabilities to work. We're excited to collaborate with OpenAI's teams, combining their models and security expertise with our research to find weaknesses, test fixes and strengthen this approach to continuous defense."

In dat citaat zit de bredere claim die beide partijen delen: niet alleen OpenAI zou zo moeten werken, maar elke organisatie. Of dat voor jouw organisatie haalbaar is, hangt af van schaal en volwassenheid. Een overzicht van partijen die hier diensten voor aanbieden, vind je in dit overzicht van AI-securitybedrijven, handig als je wilt bepalen of je dit zelf doet of uitbesteedt.

Wat je uit deze constructie kunt meenemen, is de rolverdeling. Een externe partij met een andere blik, gekoppeld aan de modellen en de systeemkennis van het eigen team, en een expliciet doel: zwakke plekken vinden, fixes testen en de aanpak herhaalbaar maken. Dat laatste – fixes ook daadwerkelijk testen – wordt vaak overgeslagen.

Wat de vorige sprint opleverde

OpenAI kijkt in de sprintpost terug op de vorige ronde. Daarin zette het bedrijf 25% van zijn productengineers in op het vinden en repareren van zwakke plekken in de eigen systemen. Met Codex onderzochten engineers bevindingen, reproduceerden ze kwetsbaarheden in geïsoleerde omgevingen en bereidden ze patches voor ter review.

Die combinatie is het vermelden waard: reproduceren in een geïsoleerde omgeving en patches klaarzetten voor menselijke review. Het is dezelfde discipline die je van een goede externe melding verwacht – een bevinding is pas bruikbaar als iemand anders hem kan nabootsen en de impact kan vaststellen. Hoe je dat aanpakt aan de kant van de verdediger, met herhaalbare tests, staat beschreven bij red teaming en veiligheidstests.

OpenAI noemt de sprint ook nadrukkelijk een lopende inspanning: het gebruik van AI om doorlopend zwakke plekken te vinden en te repareren is geen campagne met een einddatum, maar een cyclus. Voor je eigen team betekent dat concreet dat je nadenkt over cadans: hoe vaak doorloop je de lus, wie beoordeelt de bevindingen, en hoe zorg je dat een gevonden zwakke plek ook echt verdwijnt in plaats van op een lijst te belanden.

Daybreak: $1 miljard aan gesubsidieerde toegang

In dezelfde lijn noemt OpenAI Daybreak. Het bedrijf gebruikt zijn meest capabele modellen om de eigen verdediging te versterken en stelt die modellen beschikbaar aan Daybreak-klanten. Daarbij hoort een toezegging van $1 miljard aan gesubsidieerde toegang over een periode van zes maanden, bedoeld voor 'frontline defenders protecting essential services and digital infrastructure'.

Dat bedrag is een toezegging van gesubsidieerde toegang, geen omzetcijfer en geen investeringsronde. Het zegt vooral iets over de aanname dat juist de partijen die essentiële diensten en digitale infrastructuur beschermen baat hebben bij toegang tot dit type modellen, maar die toegang niet altijd zelf kunnen bekostigen. Voor organisaties in die categorie is het de moeite waard om te kijken of je onder die regeling valt.

Tegelijk blijft staan dat modeltoegang alleen geen verdediging is. Je hebt mensen nodig die bevindingen beoordelen, en processen die ervoor zorgen dat een melding ook leidt tot een fix. Wie met agents werkt die zelfstandig taken uitvoeren op systemen, doet er goed aan de ontwikkelingen op dat vlak te volgen via de agent-security-radar, want daar verschuift de aanvalsoppervlakte het snelst.

Hogere bug bounties: de bedragen

In de tweede post verhoogt OpenAI de beloningen in het Security Bug Bounty-programma. Het doel is expliciet om onafhankelijke onderzoekers kwetsbaarheden te laten vinden in OpenAI-software 'that our testing may have missed'. Volgens het bedrijf verviervoudigt het gemiddeld over medium-, high- en critical-bevindingen het middelpunt van de beloningsbandbreedtes met meer dan vier keer; in de sprintpost staat dat OpenAI 'more than quadrupling our rewards for critical findings' doet.

De nieuwe bedragen: een kritieke kwetsbaarheid in een kernproduct zoals ChatGPT, Codex of het API Platform levert nu maximaal $30.000 op. Uitzonderlijke kritieke vondsten op die doelen blijven in aanmerking komen voor maximaal $100.000 als basisbedrag, en nu tot $172.000 met bonussen. Dat onderscheid is belangrijk: $100.000 is het basisplafond, $172.000 is alleen haalbaar als daar bonussen bovenop komen. Het bedrijf noemt in zijn eigen voorbeeld een uitkomst van $171.925.

Voor onderzoekers die dit werk vaker doen, is het verstandig om de ranges te kennen voordat je aan een target begint. De bandbreedtes per ernstniveau bepalen in de praktijk waar je je tijd in stopt. Werk je met geautomatiseerde tooling of eigen modellen, kijk dan ook naar hoe je je eigen omgeving afschermt; API-sleutels veilig beheren is daarbij een van de eerste dingen die misgaan als je snel wilt werken.

Bonussen voor kwaliteit, loyaliteit en campagnes

OpenAI voegt drie soorten bonussen toe. De eerste is een kwaliteitsbonus: een multiplier op de basisbeloning voor een betrouwbaar proof of concept dat de bug isoleert, laat zien wanneer die te exploiteren is en de impact aantoont. De tweede is een loyaliteitsprogramma met vijf niveaus, waarbij eerdere goede deelname zich vertaalt in een hogere multiplier. De derde bestaat uit priority-campagne-multipliers: kortlopende campagnes met eigen bonuspools voor nieuw gelanceerde functies.

De kwaliteitsbonus stuurt gedrag dat elke securityploeg wil zien. Een melding isoleert de bug – niet een hele applicatie, maar het specifieke punt. Een melding laat zien wanneer de bug te exploiteren is, dus onder welke omstandigheden en met welke rechten. En een melding toont de impact aan. Als je die drie onderdelen in je rapport stopt, is de kans groter dat een triager zonder heen-en-weer-vragen kan doorpakken.

De loyaliteitsbonus beloont terugkerende onderzoekers, wat logisch is vanuit het perspectief van een programma-eigenaar: iemand die de scope kent, levert doorgaans bruikbaardere meldingen. De campagnemultipliers richten aandacht op specifieke, recent uitgebrachte functionaliteit – precies het oppervlak waar nieuwe code en nieuwe fouten samenkomen.

Bij alles wat je onderzoekt blijft de basisregel staan dat je instructies en data gescheiden houdt; instructies gescheiden van data is de basis van promptbeveiliging en komt terug in bijna elke melding rond modellen. Ook het detecteren van misbruik van modellen zelf is een vakgebied geworden; hoe OpenAI en Anthropic daarmee omgaan, lees je in dit stuk over misbruikdetectie bij beide labs.

Rekenvoorbeelden van OpenAI

OpenAI geeft vier illustratieve voorbeelden. Het bedrijf benadrukt dat alle scenario's en historische bedragen illustratief zijn. De tabel hieronder neemt ze één op één over, inclusief de multipliers.

Wat opvalt in de rekenvoorbeelden is dat de sprong niet alleen uit het basisbedrag komt. Bij het critical-voorbeeld gaat $30.000 naar $51.577 doordat er drie multipliers overheen gaan. Bij het exceptional-voorbeeld blijft het basisbedrag $100.000 staan en komt de stijging volledig uit de bonussen. Reken dus niet met het hoogste getal dat je langskomen ziet, maar met de range die bij jouw bevinding past.

Met terugwerkende kracht

OpenAI past de nieuwe regels deels met terugwerkende kracht toe. Rapporten die al zijn ingediend maar nog niet zijn beloond, vallen onder de nieuwe beloningsranges. Voor bounties die in de 30 dagen voorafgaand aan de aankondiging zijn toegekend, betaalt OpenAI het verschil bij als de bevinding onder de nieuwe ranges meer had opgeleverd. Daarbij gaat het om het basisbedrag plus de loyaliteitsbeloningen.

Dat is praktisch relevant als je recent hebt gemeld en het bedrag al hebt ontvangen. Je hoeft in dat geval niet zelf een nieuwe melding te doen: het verschil wordt automatisch bepaald op basis van de nieuwe ranges, voor zover de bevinding daaronder meer waard zou zijn. Heb je een rapport ingediend dat nog op beoordeling wacht, dan geldt het nieuwe bereik zodra de beoordeling rondkomt.

Voor teams die een eigen disclosureproces inrichten, is dit een detail om te onthouden: als je je beloningsstructuur ooit aanpast, bepaal dan vooraf wat je doet met meldingen die nog in de pijplijn zitten. Niets is zo schadelijk voor het vertrouwen van onderzoekers als een verhoging die net niet geldt voor hun melding.

PROMPT2PWN in Oakland

OpenAI laat het niet bij een blogpost. Op 20 en 21 november is het securityteam van het bedrijf aanwezig bij PROMPT2PWN in Oakland, waar onderzoekers targets ter plaatse kunnen testen. In de aankondiging staat de zin die de toon van het hele programma samenvat: 'We want OpenAI to be a team you come back to when you find something we've missed.'

Een live-evenement verandert de dynamiek van een bountyprogramma. Je kunt direct vragen stellen over scope, je krijgt sneller context bij een target en je kunt met het team doorspreken over wat een bruikbare melding is. Als je overweegt om mee te doen, is het nuttig om vooraf je rapportstructuur op orde te hebben, zodat je ter plaatse kunt testen en thuis kunt uitwerken.

Waarom AI-labs hun eigen verdediging opschalen

De onderliggende redenering in beide posts is dat dreigingen sneller opkomen dan klassieke verdediging kan bijhouden. OpenAI formuleert het als: traditionele cyberverdediging alleen is niet langer voldoende, en organisaties moeten de 'defender's window' openhouden door frontier-cybercapaciteiten in te zetten om hun systemen te harden. Dat is een uitspraak over tempo en over doorlopendheid, niet over een specifiek incident.

Voor verdedigers betekent dat een verschuiving in de vraag die je jezelf stelt. Niet: hebben we dit jaar een penetratietest gedaan? Maar: hoe snel nadat een zwakke plek is geïntroduceerd, weten we het, en hoe snel is het gerepareerd? Een lus met een korte doorlooptijd is waardevoller dan een diepgaande test met een lange doorlooptijd, mits de kwaliteit van de bevindingen op peil blijft. Dat is precies waar de eisen aan een proof of concept en de kwaliteitsbonus samenkomen.

De externe blik blijft daarbij nodig. Een team dat zijn eigen systemen met zijn eigen modellen test, loopt het risico blind te zijn voor de aannames die in het ontwerp zitten. Een partner als Cathedral brengt andere methoden en invalshoeken mee. Dat verklaart waarom OpenAI in dezelfde week zowel intern opschaalt als extern meer betaalt: het zijn twee manieren om dezelfde blinde vlekken te verkleinen.

Wat dit betekent voor onderzoekers en bouwers in Nederland en Europa

Als je in Nederland of elders in Europa kwetsbaarheden onderzoekt, verandert er praktisch gezien vooral iets aan de waardering van je werk. Een goed onderbouwd rapport over een kritieke kwetsbaarheid in een kernproduct levert nu tot $30.000 op, en bij uitzonderlijke vondsten met bonussen tot $172.000. De bandbreedtes maken het ook makkelijker om vooraf een inschatting te maken of een target je tijd waard is.

Let wel op de Europese context. Bountywerk is geen vergunning om te testen zonder afspraken: je blijft gebonden aan de scope van het programma en aan de regels voor responsible disclosure. Zorg dat je kunt aantonen dat je binnen de afgesproken grenzen bent gebleven, en dat je niet meer data hebt opgevraagd of bewaard dan nodig voor het aantonen van de bevinding. Dat is niet alleen netjes, het beschermt ook je eigen positie.

Voor bouwers die met deze modellen applicaties maken, is de les dat de aanvalsoppervlakte meebeweegt met je architectuur. Nieuwe functies betekenen nieuwe fouten, en dat is precies waarom OpenAI kortlopende campagnes met eigen bonuspools inricht voor recent gelanceerde functionaliteit. Als je zelf iets uitbrengt, is het verstandig om dezelfde vraag te stellen: wie kijkt er met frisse ogen naar deze functie, en hoe snel nadat iemand iets vindt, is het gerepareerd?

Voor IT-teams die geen bug bountyprogramma hebben, blijft het interessant om te kijken hoe OpenAI de sprint heeft ingericht: een deel van de engineers een periode vrijmaken om bevindingen te onderzoeken, te reproduceren in een geïsoleerde omgeving en patches voor te bereiden op review. Dat is een model dat je ook zonder groot budget kunt nabootsen, zolang je maar afspreekt wie de bevindingen beoordeelt en hoe een fix wordt geverifieerd.

Praktische checklist

Wil je meedoen aan een programma als dit, of wil je dezelfde discipline in je eigen team brengen, dan helpt het om een aantal dingen vooraf op orde te hebben:

• Lees de scope en de regels van het programma voordat je begint, en blijf binnen de afgesproken grenzen.
• Schrijf een proof of concept dat de bug isoleert: één concreet pad, niet een beschrijving van een categorie problemen.
• Beschrijf wanneer de kwetsbaarheid te exploiteren is, inclusief welke rechten of omstandigheden nodig zijn.
• Toon de impact aan met een concreet scenario, zonder meer data op te vragen of te bewaren dan nodig.
• Houd bij het melden de regels voor responsible disclosure aan, ook als je vindt dat het langzaam gaat.
• Documenteer je stappen en tijden, zodat een triager je werk kan reproduceren zonder extra vragen.
• Test bevindingen in een geïsoleerde omgeving voordat je iets indient.
• Verifieer na een fix of de kwetsbaarheid daadwerkelijk is verdwenen, niet alleen of de patch is uitgerold.
• Beheer sleutels en tokens die je bij het testen gebruikt zorgvuldig en ruim ze op als je klaar bent.
• Houd instructies en data strikt gescheiden in alles wat met modellen te maken heeft.

De twee aankondigingen laten zien waar de nadruk de komende periode ligt: doorlopend zwakke plekken vinden en repareren, intern met eigen teams en modellen, extern via beloningen en een partnerschap met Cathedral. Voor onderzoekers zijn de nieuwe ranges en bonussen het meest tastbare deel. Voor bouwers en IT-teams is de interessante vraag hoe je diezelfde lus in je eigen omgeving krijgt, met een korte doorlooptijd en een duidelijke eigenaar.

Wie zich wil voorbereiden op 20 en 21 november in Oakland, doet er goed aan het testwerk en het schrijfwerk te scheiden: ter plaatse testen, thuis het rapport uitwerken. En wie niet naar Oakland gaat, kan de nieuwe ranges gebruiken als aanleiding om het eigen disclosureproces nog eens langs te lopen, inclusief de vraag wat je doet met meldingen die nog in behandeling zijn.

Gecontroleerd op 2026-11-04.

Dit bericht is samengesteld met AI-ondersteuning en redactioneel gecontroleerd; bronnen staan hieronder.

Bronnen

• OpenAI, blogpost over de volgende interne securitysprint en het partnerschap met Cathedral: https://openai.com/index/preparing-our-next-security-sprint-to-harden-openai
• OpenAI, blogpost over de verhoogde beloningen in het Security Bug Bounty-programma, inclusief de rekenvoorbeelden: https://openai.com/index/rewarding-defenders-with-bigger-bug-bounties