OpenAI meldde op 4 november 2026 dat een prototype van een pijplijn voor onderzoek naar kwetsbaarheden, aangedreven door een van zijn nog niet uitgebrachte cybermodellen, 948 unieke lokale privilege-escalatiekwetsbaarheden in de Linux-kernel ontdekte en bewapende tijdens een onderzoek medio oktober. Volgens het artikel van het bedrijf, gedetailleerd beschreven door Unite.AI en The Hacker News, genereerde dezelfde pijplijn ook kandidaat-patches voor elke bevinding en overhandigde het volledige pakket aan menselijke recensenten voor distributie aan kernelbeheerders.
Als elk van deze fouten wordt bevestigd, kan een lokale gebruiker zonder privileges root-toegang krijgen tot een kwetsbare machine; het soort bug dat op Linux-systemen wordt uitgevoerd, is een game-over-conditie. Dat Linux het doelwit was, was het punt: OpenAI koos ervoor omdat de kernel meer dan 40 miljoen regels code omvat en de basis vormt voor Android-telefoons, cloudinfrastructuur en supercomputers, waardoor het de meest consequente codebase is waar een geautomatiseerde onderzoeker op kan worden getest. Voor meer context over dit verhaal, zie ons laatste AI-ontwikkelingen.
Hoe de pijpleiding werkt
Het systeem combineert verschillende fasen: het ontdekken van kwetsbaarheden, dynamische validatie, beoordeling van de exploiteerbaarheid, het genereren van patches en, ten slotte, menselijke beoordeling. OpenAI beschrijft drie klassen agenten die het voorwerk doen. Scout-agenten kiezen auditdoelen op basis van hoe bereikbaar code is uit contexten met weinig bevoegdheden en hoe relevant de beveiliging eruit ziet. Analistenagenten scannen deze doelen op mogelijke bugs. Triage-agenten bouwen en verfijnen vervolgens proofs of concept in virtuele machines waarop kernels draaien die zijn geïnstrumenteerd met Kernel Address Sanitizer, waardoor runtime-bewijsmateriaal wordt bewaard in plaats van alleen op statische analyse te vertrouwen.
Elke voltooide onderzoeksbundel bevat vier artefacten: een analyse van de hoofdoorzaak, een minimaal crashend proof of concept, een kandidaat-patch en een volledig werkende exploit. OpenAI maakte duidelijk dat de tests niet waren uitgevoerd tegen een opzettelijk verzwakt doelwit: de virtuele machines draaiden een standaard desktopconfiguratie met SMEP-, SMAP-, KASLR- en HARDENED_USERCOPY-beperkingen allemaal ingeschakeld.
De cijfers achter de run
De omvang van de sweep is het verhaal. Scoutagenten selecteerden 5.034 auditdoelen die ongeveer 2,8 miljoen regels code besloegen – ongeveer 7 procent van de kernel. Analisten produceerden binnen 12 uur 2.308 gededupliceerde kandidaatbevindingen. Dynamische validatie reproduceerde vervolgens 1.724 van deze kwetsbaarheden binnen een tijdsbestek van 30 uur, en OpenAI zegt dat slechts 3,1 procent van de overgebleven bevindingen een onjuiste modelanalyse weerspiegelde.
De exploit-fase veranderde validatie in wapens: 291 informatie-lekkende proofs of concept en 1.169 werkende lokale privilege-escalatie-exploits, volgens OpenAI. Variantanalyse – het muteren van een bevestigde bug om verwante exemplaren van dezelfde foutklasse te vinden – leverde vervolgens 948 verschillende patches op, en OpenAI gebruikt dat cijfer als hoofdtelling van unieke privilege-escalatiebugs. Dat is de reden waarom het aantal ruwe exploits en het cijfer van 948 niet overeenkomen. Het bedrijf waarschuwde ook dat de gegenereerde fixes in aanmerking blijven komen voor beoordeling door de onderhouder, en niet voor samengevoegde patches.
Eén resultaat ging bijna mis
Het rapport is ongewoon openhartig over een bijna-ongeluk. In een vroege run ontdekte OpenAI dat 20 van de 200 gerapporteerde succesvolle exploits root hadden verkregen via een andere zero-day dan de kwetsbaarheid waaraan ze waren toegewezen - wat betekent dat alleen een rootshell de discrepantie zou hebben verborgen. Het bedrijf heeft de taakbeperkingen aangescherpt en als reactie hierop een onafhankelijke controle van het pad van elke exploit toegevoegd. Het is een detail dat ertoe doet: op deze schaal kan een geautomatiseerd systeem om de verkeerde redenen technisch correcte resultaten produceren, en alleen expliciete padverificatie kan dat onderkennen.
Kosten per exploit dalen scherp
OpenAI's eigen vergelijking van runs laat zien hoe snel de economie beweegt. De run van midden oktober kostte $1,213 miljoen aan API-credits – $1,279 per unieke escalatiebug voor privileges. Een run eind juli 2026 met het GPT-5.6 Sol-model had $513.690 gekost en 166 unieke bugs opgeleverd, wat neerkomt op ongeveer $3.100 per exploit. Dat is een meer dan vervijfvoudiging van het aantal nieuwe bevindingen over drie maanden – een periode, zo merkt OpenAI op, waarin de kernel steeds harder werd – tegen minder dan de helft van de kosten per eenheid. Het bedrijf presenteert zijn kostencijfers als bovengrenzen, aangezien de runs zijn gebouwd om de capaciteit te meten in plaats van om de uitgaven te optimaliseren.
Een afzonderlijk aangepaste kernelCTF-run leverde 25 informatielekkende proofs of concept en 21 exploits op gedurende 112 uur voor ongeveer $ 32.936 aan API-credits. OpenAI merkte op dat het premiebedrag van ongeveer $1,5 miljoen dat aan die run is gekoppeld afhankelijk is van de aanvaarding van alle 21 kwetsbaarheden, en niet van een aangekondigde beloning. De kernelCTF-regels van Google betalen $71.337 per in aanmerking komende exploit, vereisen ten minste 70 procent stabiliteit over 20 runs en beperken beloningen tot kwalificerende zero-day-inzendingen.
Tien technieken die experts nog niet hadden gezien
Uit een steekproef van 166 exploits die door het team van OpenAI en externe kernelexploitatie-experts werd beoordeeld, werden tien technieken als echt nieuw beoordeeld. Het bedrijf noemde er een paar: persistente elastische objecten, paginaopmaak, escalatie van alleen-data-privileges en willekeurige typeverwarring. Volledige technische details worden om veiligheidsredenen achterwege gelaten – een erkenning dat hetzelfde playbook, gepubliceerd, onmiddellijk nuttig zou zijn voor aanvallers.
Van het aanbreken van de dag tot het patchen van de planeet
De run is een escalatie van het werk dat OpenAI eerder in 2026 begon. Het Daybreak-initiatief, gelanceerd met beveiligingsbedrijf Trail of Bits op 22 juni 2026, combineert AI-ondersteund kwetsbaarheidsonderzoek met beoordeling door deskundigen, terwijl onderhouders de controle behouden over de implementatie en openbaarmaking van patches. Die eerdere poging rapporteerde 24 misbruiken van privilege-escalatie en acht kernel-pointer-informatielekkende proofs of concept van zijn GPT-5.5 Cyber Linux-werk – een fractie van de opbrengst van deze maand.
OpenAI zegt dat het al honderden rapporten en patches voor kritieke kwetsbaarheden naar beheerders heeft gestuurd, terwijl de rest geleidelijk zal worden verspreid via Patch the Planet-partners. Het dringt er ook bij de beheerders op aan om de bevindingen opnieuw te valideren aan de hand van de huidige code, aangezien de scan van oktober 61 bugs aan het licht bracht die al stroomopwaarts waren gepatcht, 43 met staging-patches in behandeling, en 299 die publiekelijk waren gerapporteerd of besproken – bewijs dat kernelontwikkelaars enkele van dezelfde fouten met de hand hadden gevonden, zelfs toen het model er langs vloog.
Wat het betekent voor kernelbeveiliging
Het knelpunt, zoals OpenAI het omlijst, is aan het verschuiven. Het genereren van leads voor kwetsbaarheden wordt goedkoop en vrijwel onbeperkt; de schaarse middelen bewijzen nu exploit-paden, waardoor de bevindingen actueel blijven in een bewegende codebase, en het produceren van fixes-onderhouders zijn bereid om samen te voegen. Onafhankelijke verificatie en menselijke beoordeling – die zowel de verkeerde zero-day mislukking als de kwaliteitsproblemen in vroege automatisch gegenereerde patches opmerkten – bepalen of geautomatiseerd onderzoek op deze schaal bruikbaar defensief werk wordt of slechts een nieuw soort rapportagelast voor overbelaste beheerders.
Voor verdedigers is de boodschap ongemakkelijk maar duidelijk: dezelfde pijplijn die kandidaat-patches opstelt, kan een capabele tegenstander duizenden startpunten bieden. De race gaat nu tussen de mensen die de oplossingen samenvoegen en iedereen die erin slaagt de exploits zelf te reproduceren.
---
Blijf Voorop met AIHet laatste AI-nieuws, analyses en doorbraken — allemaal op één plek.
Lees meer AI-nieuws →
