OpenAI รายงานเมื่อวันที่ 4 พฤศจิกายน พ.ศ. 2569 ว่าไปป์ไลน์การวิจัยช่องโหว่ต้นแบบ ซึ่งขับเคลื่อนโดยหนึ่งในโมเดลไซเบอร์ที่ยังไม่เผยแพร่ ได้ค้นพบและติดอาวุธช่องโหว่ในการยกระดับสิทธิพิเศษเฉพาะเครื่อง 948 รายการในเคอร์เนล Linux ในระหว่างการวิจัยในช่วงกลางเดือนตุลาคม ตามการเขียนของบริษัท ซึ่งครอบคลุมรายละเอียดโดย Unite.AI และ The Hacker News ไปป์ไลน์เดียวกันยังสร้างแพตช์ผู้สมัครสำหรับการค้นพบทุกครั้ง และมอบแพ็คเกจแบบเต็มให้กับผู้ตรวจสอบที่เป็นมนุษย์เพื่อแจกจ่ายให้กับผู้ดูแลเคอร์เนล

หากได้รับการยืนยัน ข้อบกพร่องแต่ละข้อจะทำให้ผู้ใช้ในพื้นที่ที่ไม่มีสิทธิพิเศษสามารถเข้าถึงรูทบนเครื่องที่มีช่องโหว่ได้ ซึ่งเป็นข้อบกพร่องประเภทหนึ่งที่บนระบบ Linux รันคือเกมโอเวอร์ ประเด็นคือ Linux คือเป้าหมาย OpenAI เลือกมันเนื่องจากเคอร์เนลครอบคลุมโค้ดมากกว่า 40 ล้านบรรทัด และรองรับโทรศัพท์ Android โครงสร้างพื้นฐานคลาวด์ และซูเปอร์คอมพิวเตอร์ ทำให้เป็นโค้ดเบสที่เป็นผลสืบเนื่องมากที่สุดที่นักวิจัยอัตโนมัติสามารถทดสอบได้ For more context on this story, see our ongoing breaking AI news.

วิธีการทำงานของไปป์ไลน์

ระบบเชื่อมโยงหลายขั้นตอนเข้าด้วยกัน: การค้นพบช่องโหว่ การตรวจสอบแบบไดนามิก การประเมินความสามารถในการหาประโยชน์ การสร้างแพตช์ และสุดท้ายคือการตรวจสอบโดยมนุษย์ OpenAI อธิบายเอเจนต์สามคลาสที่ทำงานอย่างถูกต้อง เจ้าหน้าที่ลูกเสือเลือกเป้าหมายการตรวจสอบโดยพิจารณาจากลักษณะโค้ดที่เข้าถึงได้จากบริบทที่มีสิทธิ์ต่ำ และลักษณะที่เกี่ยวข้องกับความปลอดภัย ตัวแทนนักวิเคราะห์จะสแกนเป้าหมายเหล่านั้นเพื่อหาจุดบกพร่องของผู้สมัคร จากนั้นตัวแทน Triage จะสร้างและปรับปรุงการพิสูจน์แนวคิดภายในเครื่องเสมือนที่ใช้เคอร์เนลที่ติดตั้ง Kernel Address Sanitizer โดยจะรักษาหลักฐานรันไทม์แทนที่จะเชื่อถือการวิเคราะห์แบบคงที่เพียงอย่างเดียว

ชุดการวิจัยที่เสร็จสมบูรณ์ทุกชุดประกอบด้วยสิ่งประดิษฐ์สี่รายการ: การวิเคราะห์สาเหตุที่แท้จริง การพิสูจน์แนวคิดที่ล้มเหลวน้อยที่สุด โปรแกรมแก้ไขที่เป็นตัวเลือก และการหาประโยชน์จากการทำงานเต็มรูปแบบ OpenAI แสดงให้เห็นอย่างชัดเจนว่าการทดสอบไม่ได้เกิดขึ้นกับเป้าหมายที่จงใจทำให้อ่อนแอลง — เครื่องเสมือนรันการกำหนดค่าเดสก์ท็อปสต็อกโดยเปิดใช้งานการบรรเทาผลกระทบ SMEP, SMAP, KASLR และ HARDENED_USERCOPY ทั้งหมด

ตัวเลขเบื้องหลังการวิ่ง

ขนาดของการกวาดคือเรื่องราว เจ้าหน้าที่ลูกเสือเลือกเป้าหมายการตรวจสอบ 5,034 เป้าหมาย ซึ่งครอบคลุมโค้ดประมาณ 2.8 ล้านบรรทัด หรือประมาณ 7 เปอร์เซ็นต์ของเคอร์เนล ตัวแทนนักวิเคราะห์สร้างผลการสืบค้นของผู้สมัครที่กรองข้อมูลซ้ำออกแล้ว 2,308 รายการภายใน 12 ชั่วโมง จากนั้นการตรวจสอบความถูกต้องแบบไดนามิกจะจำลองช่องโหว่เหล่านั้น 1,724 รายการภายในกรอบเวลา 30 ชั่วโมง และ OpenAI กล่าวว่ามีเพียง 3.1 เปอร์เซ็นต์ของการค้นพบที่รอดพ้นซึ่งสะท้อนถึงการวิเคราะห์แบบจำลองที่ไม่ถูกต้อง

ขั้นตอนการหาประโยชน์เปลี่ยนการตรวจสอบความถูกต้องเป็นอาวุธ: 291 หลักฐานการรั่วไหลของแนวคิดและ 1,169 การหาประโยชน์ในการยกระดับสิทธิ์ในพื้นที่ที่ทำงานตาม OpenAI การวิเคราะห์ตัวแปร — การเปลี่ยนแปลงข้อผิดพลาดที่ได้รับการยืนยันเพื่อค้นหาอินสแตนซ์พี่น้องที่มีคลาสข้อบกพร่องเดียวกัน — จากนั้นสร้างแพตช์ที่แตกต่างกัน 948 รายการ และ OpenAI ใช้ตัวเลขนั้นเป็นจำนวนพาดหัวของข้อบกพร่องในการยกระดับสิทธิ์ที่ไม่ซ้ำกัน นั่นคือสาเหตุที่จำนวนการหาประโยชน์ดิบและตัวเลข 948 ไม่ตรงกัน บริษัทยังเตือนด้วยว่าการแก้ไขที่สร้างขึ้นยังอยู่ระหว่างการพิจารณาของผู้ดูแล ไม่ใช่การรวมแพตช์

ผลลัพธ์หนึ่งเกือบจะผ่านไปแล้ว

รายงานนี้ตรงไปตรงมาอย่างผิดปกติเกี่ยวกับเหตุการณ์เฉียดพลาด ในช่วงเริ่มต้น OpenAI พบว่า 20 จาก 200 รายการที่รายงานการหาช่องโหว่ที่ประสบความสำเร็จได้รับการรูทผ่านทางซีโรเดย์ที่แตกต่างจากช่องโหว่ที่ได้รับมอบหมาย ซึ่งหมายความว่ารูทเชลล์เพียงอย่างเดียวจะซ่อนความแตกต่างได้ บริษัทได้เข้มงวดกับข้อจำกัดของงานและเพิ่มการตรวจสอบเส้นทางการโจมตีของช่องโหว่แต่ละอย่างโดยอิสระ รายละเอียดเป็นสิ่งสำคัญ: ในระดับนี้ ระบบอัตโนมัติสามารถสร้างผลลัพธ์ที่ถูกต้องทางเทคนิคด้วยเหตุผลที่ไม่ถูกต้อง และมีเพียงการตรวจสอบเส้นทางที่ชัดเจนเท่านั้นที่จะตรวจจับได้

ต้นทุนต่อการใช้ประโยชน์ลดลงอย่างรวดเร็ว

การเปรียบเทียบการวิ่งของ OpenAI แสดงให้เห็นว่าเศรษฐกิจกำลังดำเนินไปอย่างรวดเร็วเพียงใด การดำเนินการช่วงกลางเดือนตุลาคมมีค่าใช้จ่าย 1.213 ล้านดอลลาร์สหรัฐฯ ในเครดิต API — 1,279 ดอลลาร์ต่อข้อบกพร่องในการยกระดับสิทธิ์เฉพาะ ปลายเดือนกรกฎาคม 2569 การดำเนินการโดยใช้รุ่น GPT-5.6 Sol มีราคา 513,690 ดอลลาร์ และให้ผลข้อบกพร่องที่ไม่ซ้ำกัน 166 รายการ ซึ่งคิดเป็นมูลค่าประมาณ 3,100 ดอลลาร์ต่อการโจมตีหนึ่งครั้ง นั่นคือการค้นพบใหม่ๆ เพิ่มขึ้นมากกว่าห้าเท่าในช่วงสามเดือน ซึ่งเป็นช่วงเวลาหนึ่ง OpenAI ตั้งข้อสังเกต ซึ่งเคอร์เนลยังคงแข็งตัวต่อไป โดยมีค่าใช้จ่ายน้อยกว่าครึ่งหนึ่งของราคาต่อหน่วย บริษัทแสดงตัวเลขต้นทุนเป็นขอบเขตบน เนื่องจากการรันถูกสร้างขึ้นเพื่อวัดความสามารถมากกว่าเพื่อเพิ่มประสิทธิภาพการใช้จ่าย

การเรียกใช้ KernelCTF ที่ดัดแปลงแยกกันสร้างการพิสูจน์แนวคิดข้อมูลรั่วไหล 25 รายการ และช่องโหว่ 21 รายการในระยะเวลา 112 ชั่วโมง โดยมีเครดิต API ประมาณ 32,936 ดอลลาร์ OpenAI ตั้งข้อสังเกตว่าเงินค่าหัวประมาณ 1.5 ล้านดอลลาร์สหรัฐฯ ที่เกี่ยวข้องกับการเรียกใช้นั้นเป็นไปตามเงื่อนไขสำหรับช่องโหว่ทั้ง 21 รายการที่จะได้รับการยอมรับ ไม่ใช่รางวัลที่ประกาศ — กฎ kernelCTF ของ Google จ่าย 71,337 ดอลลาร์ต่อการใช้ประโยชน์ที่มีสิทธิ์ โดยต้องมีความเสถียรอย่างน้อย 70 เปอร์เซ็นต์ตลอด 20 การรัน และจำกัดรางวัลสำหรับการส่งแบบซีโรเดย์ที่มีคุณสมบัติเหมาะสม

ผู้เชี่ยวชาญเทคนิคสิบประการไม่เคยเห็นมาก่อน

ในบรรดาตัวอย่างการหาประโยชน์ 166 รายการที่ได้รับการตรวจสอบโดยทีมงานของ OpenAI และผู้เชี่ยวชาญด้านการหาประโยชน์จากเคอร์เนลจากบุคคลที่สาม มีเทคนิค 10 รายการที่ได้รับการตัดสินว่าเป็นเทคนิคใหม่อย่างแท้จริง บริษัทตั้งชื่อบางส่วน: วัตถุยืดหยุ่นถาวร การดูแลเพจ การเพิ่มสิทธิพิเศษเฉพาะข้อมูล และความสับสนเกี่ยวกับประเภทที่กำหนดเอง รายละเอียดทางเทคนิคทั้งหมดถูกระงับด้วยเหตุผลด้านความปลอดภัย การยอมรับว่า Playbook เดียวกันที่เผยแพร่จะเป็นประโยชน์ต่อผู้โจมตีทันที

จากรุ่งสางสู่ Patch the Planet

การดำเนินการนี้เป็นการยกระดับการทำงานของ OpenAI ที่เริ่มขึ้นในช่วงต้นปี 2569 โครงการ Daybreak ซึ่งเปิดตัวร่วมกับบริษัทรักษาความปลอดภัย Trail of Bits เมื่อวันที่ 22 มิถุนายน 2569 จับคู่การวิจัยช่องโหว่ที่ได้รับความช่วยเหลือจาก AI เข้ากับการตรวจสอบของผู้เชี่ยวชาญ ในขณะที่ปล่อยให้ผู้ดูแลควบคุมการใช้งานและการเปิดเผยแพตช์ ความพยายามก่อนหน้านี้ได้รายงานการหาประโยชน์จากการเพิ่มสิทธิพิเศษ 24 ครั้งและการพิสูจน์แนวคิดการรั่วไหลของข้อมูลเคอร์เนลพอยน์เตอร์แปดรายการจากงาน Cyber ​​​​Linux GPT-5.5 ซึ่งเป็นส่วนหนึ่งของการดึงในเดือนนี้

OpenAI กล่าวว่าได้ส่งรายงานและแพตช์หลายร้อยรายการเกี่ยวกับช่องโหว่ที่สำคัญไปยังผู้ดูแลแล้ว โดยส่วนที่เหลือจะค่อยๆ แจกจ่ายผ่านพันธมิตรของ Patch the Planet นอกจากนี้ ยังเรียกร้องให้ผู้ดูแลตรวจสอบความถูกต้องของการค้นพบกับโค้ดปัจจุบันอีกครั้ง เนื่องจากการสแกนในเดือนตุลาคมพบว่ามีจุดบกพร่อง 61 จุดที่ได้รับการแพตช์อัปสตรีมแล้ว 43 จุดพร้อมแพตช์ชั่วคราวที่รอดำเนินการ และ 299 รายการที่ได้รับการรายงานหรือหารือในที่สาธารณะ ซึ่งเป็นหลักฐานที่แสดงว่านักพัฒนาเคอร์เนลได้ค้นพบข้อบกพร่องเดียวกันบางอย่างด้วยมือ แม้ว่าโมเดลจะกวาดผ่านไปก็ตาม

ความหมายสำหรับความปลอดภัยของเคอร์เนล

คอขวดในขณะที่ OpenAI กำหนดกรอบนั้นกำลังเปลี่ยนไป การสร้างโอกาสในการขายที่มีช่องโหว่นั้นมีราคาถูกและแทบจะไร้ขีดจำกัด ทรัพยากรที่ขาดแคลนกำลังพิสูจน์เส้นทางการหาประโยชน์ ทำให้การค้นพบเป็นปัจจุบันเทียบกับโค้ดเบสที่กำลังเคลื่อนไหว และผู้สร้างโปรแกรมแก้ไขที่ผู้ดูแลเต็มใจที่จะรวมเข้าด้วยกัน การตรวจสอบโดยอิสระและการตรวจสอบโดยมนุษย์ ซึ่งตรวจพบทั้งความล้มเหลวที่ผิดพลาดและปัญหาด้านคุณภาพในแพตช์ที่สร้างขึ้นอัตโนมัติในช่วงแรกๆ เป็นสิ่งที่กำหนดว่าการวิจัยแบบอัตโนมัติในระดับนี้จะกลายเป็นงานป้องกันที่ใช้งานได้หรือเป็นเพียงภาระการรายงานรูปแบบใหม่สำหรับผู้ดูแลที่มีภาระมากเกินไป

สำหรับกองหลัง ข้อความนั้นดูไม่สบายใจแต่ชัดเจน: ท่อส่งแบบเดียวกับที่ร่างโปรแกรมแก้ไขผู้สมัครสามารถมอบจุดเริ่มต้นนับพันให้กับฝ่ายตรงข้ามที่มีความสามารถได้ ขณะนี้การแข่งขันอยู่ระหว่างผู้ที่รวมโปรแกรมแก้ไขเข้ากับใครก็ตามที่จัดการสร้างช่องโหว่ได้ด้วยตนเอง

---

Stay Ahead of AI

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

Read more AI news →