OpenAI ने 4 नोव्हेंबर 2026 रोजी नोंदवले की, एका प्रोटोटाइप व्हल्नेरेबिलिटी-रिसर्च पाइपलाइनने, त्याच्या एका अप्रकाशित सायबर मॉडेलद्वारे समर्थित, ऑक्टोबरच्या मध्यात चाललेल्या एका संशोधनादरम्यान Linux कर्नलमध्ये 948 अद्वितीय स्थानिक विशेषाधिकार वाढीच्या भेद्यता शोधून काढल्या. Unite.AI आणि The Hacker News द्वारे तपशीलवार कव्हर केलेल्या कंपनीच्या लेखनानुसार, त्याच पाइपलाइनने प्रत्येक शोधासाठी उमेदवार पॅच देखील तयार केले आणि कर्नल देखभालकर्त्यांना वितरणासाठी संपूर्ण पॅकेज मानवी समीक्षकांना दिले.

प्रत्येक दोष, पुष्टी झाल्यास, असुरक्षित स्थानिक वापरकर्त्याला असुरक्षित मशीनवर रूट ऍक्सेस मिळू शकेल — ज्या प्रकारचे बग, लिनक्सवर चालते, ती गेम ओव्हर कंडिशन आहे. लिनक्स हे लक्ष्य आहे हा मुद्दा होता: ओपनएआयने ते निवडले कारण कर्नल कोडच्या 40 दशलक्ष पेक्षा जास्त ओळींचा विस्तार करते आणि Android फोन, क्लाउड इन्फ्रास्ट्रक्चर आणि सुपरकॉम्प्युटर्सना अंडरपिन करते, ज्यामुळे स्वयंचलित संशोधकाची चाचणी घेता येणारा सर्वात परिणामकारक कोडबेस बनतो. For more context on this story, see our ongoing AI industry coverage.

पाइपलाइन कशी काम करते

प्रणाली अनेक टप्प्यांना एकत्र जोडते: असुरक्षा शोध, डायनॅमिक प्रमाणीकरण, शोषण मूल्यांकन, पॅच निर्मिती आणि शेवटी, मानवी पुनरावलोकन. OpenAI लेगवर्क करणाऱ्या एजंटच्या तीन वर्गांचे वर्णन करते. स्काउट एजंट कमी-विशेषाधिकार असलेल्या संदर्भांमधून पोहोचण्यायोग्य कोड कसा आहे आणि तो किती सुरक्षितता-संबंधित दिसतो यावर आधारित ऑडिट लक्ष्ये निवडतात. विश्लेषक एजंट उमेदवार बगसाठी ती लक्ष्ये स्कॅन करतात. ट्रायज एजंट नंतर केवळ स्थिर विश्लेषणावर विश्वास ठेवण्याऐवजी रनटाइम पुरावे जतन करून, कर्नल ॲड्रेस सॅनिटायझरसह कर्नल चालवणाऱ्या वर्च्युअल मशीनमध्ये संकल्पनेचे पुरावे तयार आणि परिष्कृत करतात.

प्रत्येक पूर्ण झालेल्या संशोधन बंडलमध्ये चार कलाकृती असतात: मूळ-कारण विश्लेषण, संकल्पनेचा किमान क्रॅशिंग पुरावा, उमेदवार पॅच आणि संपूर्ण कार्यरत शोषण. OpenAI ने स्पष्ट केले की चाचणी जाणीवपूर्वक कमकुवत केलेल्या लक्ष्याविरुद्ध केली गेली नाही — आभासी मशीन्सने SMEP, SMAP, KASLR आणि HARDENED_USERCOPY कमी करणे सर्व सक्षम असलेले स्टॉक डेस्कटॉप कॉन्फिगरेशन चालवले.

धावण्याच्या मागे असलेले क्रमांक

स्वीपचे प्रमाण ही कथा आहे. स्काउट एजंट्सनी अंदाजे 2.8 दशलक्ष कोड ओळींचा समावेश करणारे 5,034 ऑडिट लक्ष्य निवडले - कर्नलच्या सुमारे 7 टक्के. विश्लेषक एजंटांनी 12 तासांच्या आत 2,308 डुप्लिकेट केलेल्या उमेदवारांचे निष्कर्ष तयार केले. त्यानंतर डायनॅमिक व्हॅलिडेशनने 30-तासांच्या विंडोमध्ये त्यातील 1,724 असुरक्षा पुनरुत्पादित केल्या आणि OpenAI म्हणते की केवळ 3.1 टक्के वाचलेल्या निष्कर्षांनी चुकीचे मॉडेल विश्लेषण प्रतिबिंबित केले.

शोषणाच्या टप्प्याने प्रमाणीकरण शस्त्रांमध्ये बदलले: ओपनएआयनुसार, संकल्पनेचे 291 माहिती-लीक पुरावे आणि 1,169 कार्यरत स्थानिक विशेषाधिकार वाढीचे शोषण. व्हेरिएंट विश्लेषण — समान दोष वर्गाच्या भावंडाची उदाहरणे शोधण्यासाठी पुष्टी केलेल्या बगचे उत्परिवर्तन — नंतर 948 वेगळे पॅचेस तयार केले आणि OpenAI त्या आकृतीचा वापर अद्वितीय विशेषाधिकार वाढीव बग्सच्या शीर्षलेख संख्या म्हणून करते. म्हणूनच कच्च्या शोषणाची संख्या आणि 948 चा आकडा जुळत नाही. कंपनीने असेही सावध केले आहे की व्युत्पन्न केलेले निराकरण देखभाल करणाऱ्या पुनरावलोकनासाठी उमेदवार आहेत, विलीन केलेले पॅच नाहीत.

एक निकाल जवळपास घसरला

जवळपास चुकल्याबद्दल अहवाल असामान्यपणे स्पष्ट आहे. सुरुवातीच्या काळात, OpenAI ला आढळले की 200 पैकी 20 यशस्वी शोषणांनी त्यांना नियुक्त केलेल्या असुरक्षिततेपेक्षा वेगळ्या शून्य-दिवसातून रूट प्राप्त झाले होते - म्हणजे केवळ रूट शेलने विसंगती लपवली असती. कंपनीने कार्य मर्यादा कडक केल्या आणि प्रतिसादात प्रत्येक शोषणाच्या मार्गाची स्वतंत्र तपासणी जोडली. हे एक तपशील आहे जे महत्त्वाचे आहे: या प्रमाणात, स्वयंचलित प्रणाली चुकीच्या कारणांसाठी तांत्रिकदृष्ट्या योग्य परिणाम देऊ शकते आणि केवळ स्पष्ट मार्ग सत्यापन ते पकडते.

प्रति शोषण खर्च झपाट्याने कमी झाला

OpenAI च्या धावांची स्वतःची तुलना अर्थशास्त्र किती वेगाने पुढे जात आहे हे दर्शवते. ऑक्टोबरच्या मध्यभागी धावण्यासाठी API क्रेडिट्समध्ये $1.213 दशलक्ष खर्च आला - $1,279 प्रति युनिक प्रिव्हिलेज एस्केलेशन बग. GPT-5.6 सोल मॉडेलचा वापर करून जुलै 2026 च्या उत्तरार्धात रनची किंमत $513,690 होती आणि 166 अद्वितीय बग मिळाले, जे प्रति शोषण अंदाजे $3,100 इतके होते. तीन महिन्यांत कादंबरीतील निष्कर्षांमध्ये ही पाचपट वाढ आहे - एक कालावधी, ओपनएआय नोट्स, ज्यामध्ये कर्नल कठोर होत गेले - अर्ध्या युनिटच्या किमतीत. कंपनी आपल्या खर्चाचे आकडे वरच्या सीमा म्हणून सादर करते, कारण धावा खर्च ऑप्टिमाइझ करण्याऐवजी क्षमता मोजण्यासाठी तयार केल्या गेल्या आहेत.

स्वतंत्रपणे रुपांतरित केलेल्या kernelCTF रनने API क्रेडिट्समध्ये अंदाजे $32,936 मध्ये संकल्पनेचे 25 माहिती-गळतीचे पुरावे आणि 112 तासांहून अधिक 21 शोषणे तयार केली. OpenAI ने नमूद केले की त्या रनशी संलग्न अंदाजे $1.5 दशलक्ष बाउंटी आकृती सर्व 21 असुरक्षा स्वीकारल्या जाणाऱ्या सशर्त आहे, घोषित पुरस्कार नाही — Google चे kernelCTF नियम प्रत्येक पात्र शोषणासाठी $71,337 देतात, 20 धावांमध्ये किमान 70 टक्के स्थिरता आवश्यक असते आणि बक्षिसे पात्रता-सबमिशन शून्यापर्यंत मर्यादित करतात.

दहा तंत्र तज्ञांनी पाहिले नव्हते

OpenAI च्या टीमने आणि तृतीय-पक्ष कर्नल शोषण तज्ञांद्वारे पुनरावलोकन केलेल्या 166-शोषण नमुन्यांपैकी, दहा तंत्रे खरोखर नवीन आहेत. कंपनीने काही नावे दिली: पर्सिस्टंट लवचिक वस्तू, पेज ग्रूमिंग, डेटा-ओन्ली प्रिव्हिलेज एस्केलेशन आणि अनियंत्रित प्रकारचा गोंधळ. सुरक्षेच्या कारणास्तव संपूर्ण तांत्रिक तपशील लपवून ठेवले जात आहेत — हीच प्लेबुक, प्रकाशित, हल्लेखोरांसाठी त्वरित उपयुक्त ठरेल याची पावती.

डेब्रेक पासून पॅच द प्लॅनेट पर्यंत

ओपनएआय 2026 च्या सुरुवातीला सुरू झालेल्या कामाची ही रन आहे. 22 जून 2026 रोजी सुरक्षा फर्म ट्रेल ऑफ बिट्ससह सुरू करण्यात आलेला डेब्रेक उपक्रम, पॅच तैनाती आणि प्रकटीकरणावर देखरेख ठेवणाऱ्यांना तज्ञांच्या पुनरावलोकनासह AI-सहाय्यित असुरक्षा संशोधन जोडते. त्या आधीच्या प्रयत्नात त्याच्या GPT-5.5 सायबर लिनक्सच्या कार्यातून 24 विशेषाधिकार वाढीचे शोषण आणि आठ कर्नल-पॉइंटर माहिती-गळतीचे पुरावे नोंदवले गेले - या महिन्याच्या वाढीचा एक अंश.

OpenAI म्हणते की त्यांनी आधीच शेकडो अहवाल आणि पॅचेस गंभीर असुरक्षिततेसाठी मेंटेनर्सना पाठवले आहेत, बाकीचे पॅच द प्लॅनेट भागीदारांद्वारे हळूहळू वितरित केले जातील. हे देखरेख करणाऱ्यांना सध्याच्या कोडच्या विरूद्ध निष्कर्षांचे पुनर्प्रमाणित करण्याचे आवाहन करते, कारण ऑक्टोबर स्कॅनमध्ये 61 बग आधीच अपस्ट्रीम पॅच केलेले आढळले, 43 स्टेजिंग पॅच प्रलंबित असलेले, आणि 299 जे सार्वजनिकरित्या नोंदवले गेले होते किंवा चर्चा केली गेली होती - पुरावा की कर्नल डेव्हलपर्स त्यांच्या हातून काही त्रुटी शोधत होते जरी मॉडेल त्यांच्यापासून पुढे गेले.

कर्नल सुरक्षिततेसाठी याचा अर्थ काय आहे

ओपनएआयने फ्रेम केल्याप्रमाणे अडथळे सरकत आहेत. भेद्यता लीड्स निर्माण करणे स्वस्त आणि जवळजवळ अमर्यादित होत आहे; दुर्मिळ संसाधने आता शोषणाचे मार्ग सिद्ध करत आहेत, हलत्या कोडबेसच्या विरूद्ध शोध चालू ठेवत आहेत आणि निराकरणे तयार करणारे देखरेख विलीन करण्यास इच्छुक आहेत. स्वतंत्र पडताळणी आणि मानवी पुनरावलोकन - ज्याने सुरुवातीच्या स्वयं-व्युत्पन्न पॅचमध्ये चुकीच्या-शून्य-दिवसातील अपयश आणि गुणवत्तेच्या समस्या दोन्ही पकडल्या आहेत - हे निर्धारित करतात की या स्केलवर स्वयंचलित संशोधन वापरण्यायोग्य बचावात्मक कार्य बनते की अतिरंजित देखभाल करणाऱ्यांसाठी एक नवीन प्रकारचे अहवाल ओझे होते.

बचावकर्त्यांसाठी, संदेश अस्वस्थ परंतु स्पष्ट आहे: उमेदवार पॅचेस तयार करणारी तीच पाइपलाइन सक्षम प्रतिस्पर्ध्याला हजारो प्रारंभिक बिंदू देऊ शकते. शर्यत आता निराकरणे विलीन करणाऱ्या लोकांमध्ये आहे आणि जो कोणी स्वतःहून शोषणांचे पुनरुत्पादन करू शकतो.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →