ذكرت OpenAI في 4 نوفمبر 2026 أن خط أنابيب أبحاث الثغرات النموذجية، المدعوم من أحد نماذجها السيبرانية التي لم يتم إصدارها، اكتشف وسلح 948 نقطة ضعف محلية فريدة لتصعيد الامتيازات في نواة Linux أثناء إجراء بحث في منتصف أكتوبر. وفقًا لتقرير الشركة، الذي تمت تغطيته بالتفصيل بواسطة Unite.AI وThe Hacker News، قام نفس المسار أيضًا بإنشاء تصحيحات مرشحة لكل اكتشاف وسلم الحزمة الكاملة للمراجعين البشريين لتوزيعها على مشرفي kernel.

كل من العيوب، إذا تم تأكيدها، ستسمح لمستخدم محلي لا يتمتع بأي امتيازات بالحصول على حق الوصول إلى الجذر على جهاز ضعيف - وهو نوع الخطأ الذي، على الأنظمة التي يعمل بها Linux، هو لعبة فوق الشرط. كان الهدف هو أن Linux هو الهدف: فقد اختارته OpenAI لأن النواة تغطي أكثر من 40 مليون سطر من التعليمات البرمجية وتدعم هواتف Android والبنية التحتية السحابية وأجهزة الكمبيوتر العملاقة، مما يجعلها قاعدة التعليمات البرمجية الأكثر أهمية التي يمكن اختبار الباحث الآلي عليها. لمزيد من السياق حول هذه القصة، راجع أخبار الذكاء الاصطناعي.

كيف يعمل خط الأنابيب

يربط النظام عدة مراحل معًا: اكتشاف الثغرات الأمنية، والتحقق الديناميكي، وتقييم قابلية الاستغلال، وتوليد التصحيح، وأخيرًا المراجعة البشرية. يصف OpenAI ثلاث فئات من الوكلاء الذين يقومون بالعمل القانوني. يختار وكلاء الكشافة أهداف التدقيق بناءً على مدى إمكانية الوصول إلى التعليمات البرمجية من السياقات ذات الامتيازات المنخفضة ومدى ارتباطها بالأمان. يقوم وكلاء المحللون بفحص تلك الأهداف بحثًا عن الأخطاء المرشحة. يقوم وكلاء الفرز بعد ذلك ببناء وتحسين إثباتات المفهوم داخل الأجهزة الافتراضية التي تقوم بتشغيل النواة المجهزة باستخدام Kernel Address Sanitizer، مما يحافظ على أدلة وقت التشغيل بدلاً من الثقة في التحليل الثابت وحده.

تحتوي كل حزمة بحث مكتملة على أربع عناصر: تحليل السبب الجذري، والحد الأدنى من إثبات المفهوم، والتصحيح المرشح، واستغلال العمل الكامل. لقد كان OpenAI واضحًا في أن الاختبار لم يتم إجراؤه ضد هدف تم إضعافه عمدًا - فقد قامت الأجهزة الافتراضية بتشغيل تكوين سطح مكتب المخزون مع تمكين جميع عمليات التخفيف SMEP وSMAP وKASLR وHARDENED_USERCOPY.

الأرقام وراء الجري

حجم الاجتياح هو القصة. اختار وكلاء الكشافة 5034 هدف تدقيق يغطي ما يقرب من 2.8 مليون سطر من التعليمات البرمجية - حوالي 7 بالمائة من النواة. أنتج وكلاء المحللون 2,308 نتائج مرشحة تمت إزالة تكرارها خلال 12 ساعة. ثم أعاد التحقق الديناميكي إنتاج 1724 من نقاط الضعف هذه في غضون 30 ساعة، وتقول OpenAI إن 3.1% فقط من النتائج الباقية تعكس تحليلًا غير صحيح للنموذج.

حولت مرحلة الاستغلال التحقق من الصحة إلى أسلحة: 291 إثباتًا لتسريب المعلومات للمفهوم و1,169 برمجية استغلال تصعيد الامتيازات المحلية العاملة، وفقًا لـ OpenAI. تحليل المتغيرات - تغيير خطأ مؤكد للعثور على مثيلات شقيقة لنفس فئة الخلل - أنتج بعد ذلك 948 تصحيحًا متميزًا، ويستخدم OpenAI هذا الرقم باعتباره العدد الرئيسي لأخطاء تصعيد الامتيازات الفريدة. ولهذا السبب لا يتطابق عدد الثغرات الأولية مع الرقم 948. وحذرت الشركة أيضًا من أن الإصلاحات التي تم إنشاؤها تظل مرشحة لمراجعة المشرف، وليس التصحيحات المدمجة.

نتيجة واحدة كادت أن تتسلل

التقرير صريح على نحو غير عادي فيما يتعلق بالحادث الوشيك. في جولة مبكرة، وجدت OpenAI أن 20 من أصل 200 برمجية استغلال ناجحة تم الإبلاغ عنها قد حصلت على الجذر من خلال يوم صفر مختلف عن الثغرة التي تم تعيينها لها - مما يعني أن غلاف الجذر وحده كان سيخفي التناقض. وشددت الشركة قيود المهام وأضافت فحصًا مستقلاً لمسار كل استغلال استجابةً لذلك. إنها تفاصيل مهمة: على هذا النطاق، يمكن للنظام الآلي أن ينتج نتائج صحيحة من الناحية الفنية لأسباب خاطئة، ولا يتمكن من تحقيق ذلك إلا التحقق الصريح من المسار.

انخفاض حاد في تكلفة برمجيات إكسبلويت

تُظهر مقارنة عمليات التشغيل الخاصة بـ OpenAI مدى سرعة تحرك الاقتصاد. بلغت تكلفة التشغيل في منتصف أكتوبر 1.213 مليون دولار أمريكي من أرصدة واجهة برمجة التطبيقات (API) - 1.279 دولارًا أمريكيًا لكل خطأ فريد في تصعيد الامتيازات. بلغت تكلفة التشغيل في أواخر يوليو 2026 باستخدام نموذج GPT-5.6 Sol 513,690 دولارًا أمريكيًا وأسفر عن 166 خطأً فريدًا، وهو ما يصل إلى 3,100 دولار أمريكي تقريبًا لكل استغلال. ويمثل ذلك زيادة بأكثر من خمسة أضعاف في النتائج الجديدة على مدار ثلاثة أشهر - وهي الفترة التي استمرت فيها تقوية النواة - كما تشير شركة OpenAI - بأقل من نصف تكلفة الوحدة. تقدم الشركة أرقام التكلفة الخاصة بها كحدود عليا، نظرًا لأن عمليات التشغيل تم تصميمها لقياس القدرة بدلاً من تحسين الإنفاق.

أنتج تشغيل kernelCTF الذي تم تعديله بشكل منفصل 25 إثباتًا لتسريب المعلومات للمفهوم و21 عملية استغلال على مدار 112 ساعة بحوالي 32,936 دولارًا أمريكيًا في أرصدة واجهة برمجة التطبيقات (API). أشارت OpenAI إلى أن مبلغ المكافأة البالغة 1.5 مليون دولار تقريبًا المرتبط بهذا التشغيل مشروط بقبول جميع الثغرات الأمنية البالغ عددها 21، وليس جائزة معلنة - تدفع قواعد kernelCTF من Google 71337 دولارًا لكل استغلال مؤهل، وتتطلب استقرارًا بنسبة 70 بالمائة على الأقل عبر 20 عملية تشغيل، وتقتصر المكافآت على عمليات الإرسال في يوم الصفر المؤهلة.

عشر تقنيات لم يرها الخبراء

من بين عينة مكونة من 166 برمجية استغلالية تمت مراجعتها من قبل فريق OpenAI وخبراء استغلال نواة الطرف الثالث، تم الحكم على عشر تقنيات جديدة حقًا. قامت الشركة بتسمية عدد قليل منها: الكائنات المرنة المستمرة، وتهذيب الصفحات، وتصعيد امتيازات البيانات فقط، والارتباك التعسفي في النوع. تم حجب التفاصيل الفنية الكاملة لأسباب تتعلق بالسلامة، وهو اعتراف بأن نفس قواعد اللعبة المنشورة ستكون مفيدة على الفور للمهاجمين.

من الفجر إلى تصحيح الكوكب

يعد التشغيل بمثابة تصعيد للعمل الذي بدأه OpenAI في وقت سابق من عام 2026. وتجمع مبادرة Daybreak، التي تم إطلاقها مع شركة الأمن Trail of Bits في 22 يونيو 2026، بين أبحاث الثغرات الأمنية المدعومة بالذكاء الاصطناعي ومراجعة الخبراء مع ترك المشرفين يتحكمون في نشر التصحيح والكشف عنه. أبلغ هذا الجهد السابق عن 24 عملية استغلال لتصعيد الامتيازات وثمانية أدلة على تسرب معلومات مؤشر kernel من عمل GPT-5.5 Cyber ​​Linux - وهو جزء صغير من كمية هذا الشهر.

تقول OpenAI إنها أرسلت بالفعل مئات التقارير والتصحيحات الخاصة بنقاط الضعف الحرجة إلى المشرفين، وسيتم توزيع الباقي تدريجيًا من خلال شركاء Patch the Planet. كما تحث المشرفين على إعادة التحقق من صحة النتائج مقابل التعليمات البرمجية الحالية، حيث وجد فحص أكتوبر أن 61 خللًا تم تصحيحها بالفعل في المراحل الأولية، و43 مع تصحيحات مرحلية معلقة، و299 تم الإبلاغ عنها أو مناقشتها علنًا - وهو دليل على أن مطوري kernel كانوا يعثرون على بعض العيوب نفسها يدويًا حتى عندما تجاوزها النموذج.

ماذا يعني ذلك بالنسبة لأمن Kernel

إن عنق الزجاجة، كما تضعه شركة OpenAI، بدأ يتغير. أصبح توليد نقاط الضعف رخيصًا وغير محدود تقريبًا؛ تثبت الموارد النادرة الآن مسارات الاستغلال، مما يحافظ على النتائج محدثة مقابل قاعدة تعليمات برمجية متحركة، وينتج إصلاحات يرغب المشرفون في دمجها. إن التحقق المستقل والمراجعة البشرية - التي اكتشفت كلاً من الفشل في يوم الصفر الخاطئ ومشاكل الجودة في التصحيحات المبكرة التي تم إنشاؤها تلقائيًا - هي التي تحدد ما إذا كان البحث الآلي على هذا النطاق سيصبح عملاً دفاعيًا قابلاً للاستخدام أم مجرد نوع جديد من عبء الإبلاغ على المشرفين المنهكين.

بالنسبة للمدافعين، الرسالة غير مريحة ولكنها واضحة: نفس المسار الذي يقوم بصياغة التصحيحات المرشحة يمكن أن يوفر لخصم قادر الآلاف من نقاط البداية. السباق الآن هو بين الأشخاص الذين يقومون بدمج الإصلاحات وأي شخص يتمكن من إعادة إنتاج برمجيات إكسبلويت بنفسه.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →