OpenAI melaporkan pada tanggal 4 November 2026 bahwa prototipe jalur penelitian kerentanan, yang didukung oleh salah satu model siber yang belum dirilis, menemukan dan mempersenjatai 948 kerentanan eskalasi hak istimewa lokal yang unik di kernel Linux selama penelitian yang dijalankan pada pertengahan Oktober. Menurut artikel perusahaan, yang dibahas secara rinci oleh Unite.AI dan The Hacker News, saluran yang sama juga menghasilkan kandidat patch untuk setiap temuan dan menyerahkan paket lengkap kepada peninjau manusia untuk didistribusikan ke pengelola kernel.
Setiap kelemahan, jika dikonfirmasi, akan memungkinkan pengguna lokal yang tidak memiliki hak istimewa mendapatkan akses root pada mesin yang rentan - jenis bug yang, pada sistem yang dijalankan Linux, merupakan kondisi permainan berakhir. Targetnya adalah Linux: OpenAI memilihnya karena kernelnya mencakup lebih dari 40 juta baris kode dan mendukung ponsel Android, infrastruktur cloud, dan superkomputer, menjadikannya basis kode paling penting yang dapat diuji oleh peneliti otomatis. For more context on this story, see our ongoing latest AI developments.
Cara Kerja Saluran Pipa
Sistem ini menyatukan beberapa tahapan: penemuan kerentanan, validasi dinamis, penilaian eksploitasi, pembuatan patch, dan terakhir, tinjauan manusia. OpenAI menjelaskan tiga kelas agen yang melakukan kerja keras. Agen pramuka memilih target audit berdasarkan seberapa mudah dijangkau kode dari konteks dengan hak istimewa rendah dan seberapa relevan kode tersebut dengan keamanan. Agen analis memindai target tersebut untuk mencari kandidat bug. Agen triase kemudian membangun dan menyempurnakan bukti konsep di dalam mesin virtual yang menjalankan kernel yang diinstrumentasi dengan Kernel Address Sanitizer, menjaga bukti runtime dibandingkan hanya mempercayai analisis statis.
Setiap paket penelitian yang lengkap berisi empat artefak: analisis akar penyebab, bukti konsep yang mengalami kerusakan minimal, patch kandidat, dan eksploitasi yang berfungsi penuh. OpenAI secara eksplisit menyatakan bahwa pengujian tidak dilakukan terhadap target yang sengaja dilemahkan — mesin virtual menjalankan konfigurasi desktop bawaan dengan mitigasi SMEP, SMAP, KASLR, dan HARDENED_USERCOPY yang semuanya diaktifkan.
Angka-angka di Balik Pelarian
Skala penyisiran adalah ceritanya. Agen pramuka memilih 5.034 target audit yang mencakup sekitar 2,8 juta baris kode — sekitar 7 persen dari inti. Agen analis menghasilkan 2.308 temuan kandidat yang dihapus duplikatnya dalam waktu 12 jam. Validasi dinamis kemudian mereproduksi 1.724 kerentanan tersebut dalam jangka waktu 30 jam, dan OpenAI mengatakan hanya 3,1 persen dari temuan yang bertahan mencerminkan analisis model yang salah.
Tahap eksploitasi mengubah validasi menjadi senjata: 291 bukti konsep kebocoran informasi dan 1.169 eksploitasi eskalasi hak istimewa lokal, menurut OpenAI. Analisis varian — memutasi bug yang terkonfirmasi untuk menemukan contoh saudara dari kelas kelemahan yang sama — kemudian menghasilkan 948 patch berbeda, dan OpenAI menggunakan angka tersebut sebagai jumlah utama bug eskalasi hak istimewa yang unik. Itu sebabnya jumlah eksploitasi mentah dan angka 948 tidak cocok. Perusahaan juga memperingatkan bahwa perbaikan yang dihasilkan tetap menjadi kandidat untuk tinjauan pengelola, bukan patch gabungan.
Satu Hasil Hampir Meleset
Laporan tersebut sangat jujur mengenai kejadian nyaris terjadi. Pada tahap awal, OpenAI menemukan bahwa 20 dari 200 eksploitasi yang berhasil dilaporkan telah memperoleh root melalui zero-day yang berbeda dengan kerentanan yang ditetapkan — yang berarti shell root saja sudah dapat menyembunyikan perbedaan tersebut. Perusahaan memperketat batasan tugas dan menambahkan pemeriksaan independen terhadap setiap jalur eksploitasi sebagai respons. Detailnyalah yang penting: pada skala ini, sistem otomatis dapat memberikan hasil yang benar secara teknis untuk alasan yang salah, dan hanya verifikasi jalur eksplisit yang dapat menangkap hal tersebut.
Biaya per Eksploitasi Turun Tajam
Perbandingan pergerakan OpenAI sendiri menunjukkan seberapa cepat perekonomian bergerak. Proses pada pertengahan bulan Oktober menghabiskan biaya kredit API sebesar $1,213 juta — $1,279 per bug eskalasi hak istimewa yang unik. Pengoperasian model Sol GPT-5.6 pada akhir Juli 2026 menghabiskan biaya $513.690 dan menghasilkan 166 bug unik, yang menghasilkan sekitar $3.100 per eksploitasi. Jumlah ini merupakan peningkatan lebih dari lima kali lipat dalam temuan-temuan baru dalam tiga bulan – suatu periode, menurut catatan OpenAI, ketika kernel terus dikeraskan – dengan biaya kurang dari setengah unit. Perusahaan menyajikan angka biayanya sebagai batas atas, karena proses tersebut dibangun untuk mengukur kemampuan dan bukan untuk mengoptimalkan pengeluaran.
Proses kernelCTF yang diadaptasi secara terpisah menghasilkan 25 konsep bukti kebocoran informasi dan 21 eksploitasi selama 112 jam dengan kredit API sekitar $32.936. OpenAI mencatat bahwa angka hadiah sekitar $1,5 juta yang melekat pada proses tersebut bergantung pada penerimaan semua 21 kerentanan, bukan penghargaan yang diumumkan — aturan kernelCTF Google membayar $71,337 per eksploitasi yang memenuhi syarat, memerlukan setidaknya 70 persen stabilitas di 20 proses, dan membatasi hadiah untuk pengiriman zero-day yang memenuhi syarat.
Sepuluh Teknik yang Belum Dilihat Para Pakar
Di antara 166 sampel eksploitasi yang ditinjau oleh tim OpenAI dan pakar eksploitasi kernel pihak ketiga, sepuluh teknik dinilai benar-benar baru. Perusahaan menyebutkan beberapa di antaranya: objek elastis yang persisten, perawatan halaman, peningkatan hak istimewa hanya data, dan kebingungan tipe arbitrer. Rincian teknis lengkap dirahasiakan demi alasan keamanan – sebuah pengakuan bahwa pedoman yang sama, yang diterbitkan, akan segera berguna bagi penyerang.
Dari Fajar hingga Menambal Planet
Proses ini merupakan peningkatan dari pekerjaan OpenAI yang dimulai pada awal tahun 2026. Inisiatif Daybreak, yang diluncurkan bersama perusahaan keamanan Trail of Bits pada tanggal 22 Juni 2026, memadukan penelitian kerentanan yang dibantu AI dengan tinjauan ahli dan memberikan kendali kepada pengelola atas penerapan dan pengungkapan patch. Upaya sebelumnya tersebut melaporkan 24 eksploitasi peningkatan hak istimewa dan delapan konsep bukti kebocoran informasi penunjuk kernel dari karya GPT-5.5 Cyber Linux — hanya sebagian kecil dari hasil bulan ini.
OpenAI mengatakan pihaknya telah mengirimkan ratusan laporan dan tambalan untuk kerentanan kritis kepada pengelola, dan sisanya akan didistribusikan secara bertahap melalui mitra Patch the Planet. Hal ini juga mendesak pengelola untuk memvalidasi ulang temuan terhadap kode saat ini, karena pemindaian pada bulan Oktober menemukan 61 bug telah ditambal di bagian upstream, 43 dengan patch staging yang tertunda, dan 299 bug telah dilaporkan atau didiskusikan secara publik – bukti bahwa pengembang kernel telah menemukan beberapa kelemahan yang sama bahkan ketika model berhasil melewatinya.
Apa Artinya bagi Keamanan Kernel
Kemacetan, sebagaimana dibingkai oleh OpenAI, sedang berubah. Menghasilkan petunjuk kerentanan menjadi hal yang murah dan hampir tidak terbatas; sumber daya yang langka kini membuktikan jalur eksploitasi, menjaga agar temuan tetap terkini terhadap basis kode yang bergerak, dan menghasilkan perbaikan yang bersedia digabungkan oleh pengelola. Verifikasi independen dan tinjauan manusia – yang menangkap kegagalan zero-day dan masalah kualitas pada patch awal yang dibuat secara otomatis – adalah hal yang menentukan apakah penelitian otomatis pada skala ini dapat menjadi pekerjaan defensif yang dapat digunakan atau hanya beban pelaporan jenis baru bagi pengelola yang kewalahan.
Bagi para pembela HAM, pesan yang disampaikan tidak nyaman namun jelas: jalur yang sama yang merancang kandidat patch dapat memberikan ribuan titik awal kepada musuh yang mampu. Perlombaan sekarang terjadi antara orang-orang yang menggabungkan perbaikan dan siapa pun yang berhasil mereproduksi eksploitasi mereka sendiri.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
