4 listopada 2026 r. OpenAI poinformowało, że prototypowy proces badania podatności, oparty na jednym z niewydanych jeszcze modeli cybernetycznych, odkrył i wykorzystał 948 unikalnych luk w zabezpieczeniach związanych z eskalacją lokalnych uprawnień w jądrze Linuksa podczas badań przeprowadzonych w połowie października. Według opisu firmy, szczegółowo opisanego w Unite.AI i The Hacker News, ten sam potok wygenerował także potencjalne łatki dla każdego odkrycia i przekazał pełny pakiet recenzentom w celu dystrybucji wśród opiekunów jądra.

Każda z tych usterek, jeśli zostanie potwierdzona, pozwoli nieuprzywilejowanemu użytkownikowi lokalnemu uzyskać dostęp do roota na podatnej na ataki maszynie — jest to rodzaj błędu, który w systemach działających pod kontrolą Linuksa oznacza koniec gry. Chodziło o to, że celem jest Linux: OpenAI wybrało go, ponieważ jądro obejmuje ponad 40 milionów linii kodu i stanowi podstawę telefonów z Androidem, infrastruktury chmurowej i superkomputerów, co czyni go najbardziej konsekwentną bazą kodu, z którą może testować zautomatyzowany badacz. Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.

Jak działa rurociąg

System łączy w sobie kilka etapów: wykrywanie podatności, dynamiczną walidację, ocenę możliwości wykorzystania, generowanie poprawek i wreszcie weryfikację manualną. OpenAI opisuje trzy klasy agentów wykonujących całą pracę. Agenci Scout wybierają cele inspekcji na podstawie tego, jak osiągalny jest kod z kontekstów o niskich uprawnieniach i jak istotny jest on dla bezpieczeństwa. Agenci analityczni skanują te cele w poszukiwaniu potencjalnych błędów. Agenci segregujący następnie budują i udoskonalają weryfikacje koncepcji w maszynach wirtualnych z jądrami wyposażonymi w Kernel Address Sanitizer, zachowując dowody w czasie wykonywania, zamiast ufać samej analizie statycznej.

Każdy ukończony pakiet badawczy zawiera cztery artefakty: analizę przyczyn źródłowych, dowód koncepcji dotyczący minimalnej awarii, kandydaturę poprawki i w pełni działający exploit. OpenAI wyraźnie stwierdziło, że testów nie przeprowadzono na celowo osłabionym celu — maszyny wirtualne działały w standardowej konfiguracji pulpitu z włączonymi zabezpieczeniami SMEP, SMAP, KASLR i HARDENED_USERCOPY.

Liczby kryjące się za biegiem

Skala akcji to opowieść. Agenci Scout wybrali 5034 cele audytu obejmujące około 2,8 miliona linii kodu, co stanowi około 7 procent jądra. Analitycy stworzyli 2308 zdeduplikowanych wyników w ciągu 12 godzin. Następnie w trakcie dynamicznej walidacji odtworzono 1724 z tych luk w ciągu 30 godzin, a OpenAI twierdzi, że tylko 3,1 procent pozostałych wyników odzwierciedlało błędną analizę modelu.

Według OpenAI etap exploitów zmienił weryfikację w broń: 291 dowodów potwierdzających koncepcję wycieku informacji i 1169 działających exploitów polegających na eskalacji uprawnień lokalnych. Analiza wariantów — mutowanie potwierdzonego błędu w celu znalezienia równorzędnych instancji tej samej klasy wad — umożliwiła następnie utworzenie 948 odrębnych poprawek, a OpenAI wykorzystuje tę liczbę jako główną liczbę unikalnych błędów związanych z eskalacją uprawnień. Dlatego surowa liczba exploitów i liczba 948 nie zgadzają się. Firma przestrzegła również, że wygenerowane poprawki pozostają kandydatami do przeglądu przez opiekunów, a nie łatkami scalonymi.

Jeden wynik prawie się przemknął

Raport niezwykle szczerze mówi o sytuacji, w której prawie nie doszło do skutku. Na wczesnym etapie OpenAI odkryło, że 20 z 200 zgłoszonych udanych exploitów umożliwiło rootowanie w innym dniu zerowym niż luka, do której została przypisana, co oznacza, że ​​sama powłoka roota ukryłaby rozbieżność. Firma zaostrzyła ograniczenia dotyczące zadań i w odpowiedzi dodała niezależną kontrolę ścieżki każdego exploita. Liczy się szczegół: w tej skali zautomatyzowany system może generować technicznie poprawne wyniki z niewłaściwych powodów i wychwytuje to tylko wyraźna weryfikacja ścieżki.

Koszt jednego exploita gwałtownie spada

Własne porównanie przebiegów OpenAI pokazuje, jak szybko zmienia się ekonomia. Uruchomienie w połowie października kosztowało 1,213 miliona dolarów w kredytach API – 1279 dolarów za każdy unikalny błąd związany z eskalacją uprawnień. Uruchomienie pod koniec lipca 2026 r. przy użyciu modelu GPT-5.6 Sol kosztowało 513 690 dolarów i przyniosło 166 unikalnych błędów, co daje około 3100 dolarów za exploit. Oznacza to ponad pięciokrotny wzrost liczby nowych odkryć w ciągu trzech miesięcy – okresu, jak zauważa OpenAI, w którym jądro nadal było utwardzane – przy cenie o ponad połowę ceny jednostkowej. Firma przedstawia swoje dane dotyczące kosztów jako górne granice, ponieważ przebiegi zostały zbudowane w celu pomiaru wydajności, a nie optymalizacji wydatków.

Odrębnie zaadaptowane uruchomienie kernelCTF dało 25 dowodów koncepcji na wyciek informacji i 21 exploitów w ciągu 112 godzin za około 32 936 dolarów w kredytach API. OpenAI zauważyło, że nagroda wynosząca około 1,5 miliona dolarów za ten przebieg jest uzależniona od zaakceptowania wszystkich 21 luk, a nie od zapowiedzianej nagrody — zasady Google kernelCTF płacą 71 337 dolarów za kwalifikujący się exploit, wymagają co najmniej 70% stabilności w 20 uruchomieniach i ograniczają nagrody do kwalifikujących się zgłoszeń zero-day.

Dziesięć technik, których eksperci nie widzieli

Spośród próby 166 exploitów sprawdzonej przez zespół OpenAI i zewnętrznych ekspertów ds. wykorzystania jądra dziesięć technik uznano za naprawdę nowe. Firma wymieniła kilka z nich: trwałe obiekty elastyczne, pielęgnacja strony, eskalacja uprawnień dotyczących tylko danych i dowolne pomieszanie typów. Ze względów bezpieczeństwa nie ujawniamy pełnych szczegółów technicznych, co stanowi potwierdzenie, że opublikowany ten sam podręcznik byłby natychmiast przydatny dla atakujących.

Od świtu do załatania planety

Jest to konsekwencja eskalacji prac OpenAI rozpoczętych wcześniej w 2026 r. Inicjatywa Daybreak, rozpoczęta wspólnie z firmą Trail of Bits zajmującą się bezpieczeństwem 22 czerwca 2026 r., łączy badania pod kątem luk w zabezpieczeniach wspomagane sztuczną inteligencją z oceną ekspertów, pozostawiając jednocześnie opiekunom kontrolę nad wdrażaniem i ujawnianiem poprawek. W ramach tego wcześniejszego projektu zgłoszono 24 exploity związane z eskalacją uprawnień i osiem dowodów potwierdzających koncepcje wycieku informacji ze wskaźników jądra z pracy GPT-5.5 Cyber ​​Linux — to ułamek wyników z tego miesiąca.

OpenAI twierdzi, że wysłało już do opiekunów setki raportów i poprawek dotyczących krytycznych luk, a pozostała część ma być stopniowo dystrybuowana za pośrednictwem partnerów Patch the Planet. Wzywa także opiekunów do ponownej weryfikacji ustaleń w porównaniu z bieżącym kodem, ponieważ październikowe skanowanie wykazało 61 błędów załatanych już wcześniej, 43 z oczekującymi łatkami przejściowymi i 299, które zostały publicznie zgłoszone lub omówione — dowód na to, że twórcy jądra znajdowali niektóre z tych samych błędów ręcznie, nawet gdy model je omijał.

Co to oznacza dla bezpieczeństwa jądra

Wąskie gardło w ujęciu OpenAI ulega zmianie. Generowanie potencjalnych podatności na zagrożenia staje się tanie i niemal nieograniczone; ograniczone zasoby wykrywają obecnie ścieżki exploitów, aktualizują ustalenia w oparciu o zmieniającą się bazę kodu i tworzą poprawki, które opiekunowie są skłonni połączyć. Niezależna weryfikacja i przegląd ludzki — które wykryły zarówno awarię typu zero-day, jak i problemy z jakością we wczesnych, automatycznie generowanych poprawkach — decydują o tym, czy zautomatyzowane badania na tę skalę staną się użyteczną pracą obronną, czy po prostu nowym rodzajem obciążenia raportowaniem dla przeciążonych konserwatorów.

Dla obrońców wiadomość jest niewygodna, ale jasna: ten sam rurociąg, który opracowuje potencjalne poprawki, może zapewnić zdolnemu przeciwnikowi tysiące punktów wyjścia. Wyścig trwa teraz pomiędzy osobami łączącymi poprawki a każdym, komu uda się samodzielnie odtworzyć exploity.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →