OpenAI نے 4 نومبر 2026 کو اطلاع دی کہ ایک پروٹوٹائپ خطرے سے متعلق تحقیقی پائپ لائن، جو اس کے ایک غیر جاری کردہ سائبر ماڈل سے چلتی ہے، نے اکتوبر کے وسط میں ہونے والی ایک تحقیق کے دوران لینکس کرنل میں 948 منفرد مقامی استحقاق میں اضافے کے خطرات کو دریافت کیا اور ان کو ہتھیار بنایا۔ کمپنی کی تحریر کے مطابق، جس کا تفصیل سے احاطہ Unite.AI اور The Hacker News نے کیا، اسی پائپ لائن نے ہر تلاش کے لیے امیدواروں کے پیچ بھی تیار کیے اور مکمل پیکج انسانی جائزہ لینے والوں کو کرنل مینٹینرز کو تقسیم کرنے کے لیے دے دیا۔

ہر ایک خامی، اگر تصدیق ہو جاتی ہے، تو ایک غیر مراعات یافتہ مقامی صارف کو کمزور مشین پر جڑ تک رسائی حاصل کرنے دے گی - اس قسم کی بگ جو لینکس کے سسٹمز پر چلتی ہے، ایک گیم اوور کنڈیشن ہے۔ یہ کہ لینکس کا ہدف تھا: اوپن اے آئی نے اس کا انتخاب کیا کیونکہ کرنل کوڈ کی 40 ملین سے زیادہ لائنوں پر پھیلا ہوا ہے اور اینڈرائیڈ فونز، کلاؤڈ انفراسٹرکچر اور سپر کمپیوٹرز کو زیر کرتا ہے، جس سے یہ سب سے زیادہ نتیجہ خیز کوڈ بیس بناتا ہے جس کے خلاف خود کار محقق کا تجربہ کیا جا سکتا ہے۔ For more context on this story, see our ongoing artificial intelligence updates.

پائپ لائن کیسے کام کرتی ہے۔

یہ نظام کئی مراحل کو ایک ساتھ جوڑتا ہے: کمزوری کی دریافت، متحرک توثیق، استحصال کی تشخیص، پیچ جنریشن اور آخر میں انسانی جائزہ۔ اوپن اے آئی ٹانگ ورک کرنے والے ایجنٹ کی تین کلاسوں کی وضاحت کرتا ہے۔ اسکاؤٹ ایجنٹ اس بنیاد پر آڈٹ کے اہداف چنتے ہیں کہ کوڈ کم مراعات یافتہ سیاق و سباق سے کس حد تک قابل رسائی ہے اور یہ سیکیورٹی سے متعلق کتنا لگتا ہے۔ تجزیہ کار ایجنٹ امیدوار کیڑے کے لیے ان اہداف کو اسکین کرتے ہیں۔ ٹرائیج ایجنٹس پھر کرنل ایڈریس سینیٹائزر کے ساتھ کارنلز چلانے والی ورچوئل مشینوں کے اندر تصور کے ثبوت بناتے اور ان کو بہتر بناتے ہیں، صرف جامد تجزیہ پر بھروسہ کرنے کے بجائے رن ٹائم شواہد کو محفوظ رکھتے ہیں۔

ہر مکمل شدہ تحقیقی بنڈل میں چار نمونے ہوتے ہیں: ایک بنیادی وجہ تجزیہ، تصور کا کم سے کم کریشنگ پروف، امیدوار کا پیچ، اور ایک مکمل کام کرنے والا استحصال۔ OpenAI واضح تھا کہ جانچ جان بوجھ کر کمزور ہدف کے خلاف نہیں کی گئی تھی — ورچوئل مشینیں SMEP، SMAP، KASLR اور HARDENED_USERCOPY تخفیف کے ساتھ اسٹاک ڈیسک ٹاپ کنفیگریشن چلاتی ہیں۔

دوڑ کے پیچھے نمبر

جھاڑو کا پیمانہ کہانی ہے۔ اسکاؤٹ ایجنٹس نے 5,034 آڈٹ اہداف کا انتخاب کیا جس میں کوڈ کی تقریباً 2.8 ملین لائنیں شامل تھیں - تقریباً 7 فیصد دانا۔ تجزیہ کار ایجنٹوں نے 12 گھنٹوں کے اندر 2,308 ڈپلیکیٹڈ امیدواروں کے نتائج تیار کیے۔ پھر متحرک توثیق نے 30 گھنٹے کی ونڈو میں ان خطرات میں سے 1,724 کو دوبارہ پیش کیا، اور OpenAI کا کہنا ہے کہ بچ جانے والے نتائج میں سے صرف 3.1 فیصد غلط ماڈل تجزیہ کی عکاسی کرتے ہیں۔

استحصال کے مرحلے نے توثیق کو ہتھیاروں میں تبدیل کر دیا: OpenAI کے مطابق، 291 معلومات کے لیک ہونے کے تصور کے ثبوت اور 1,169 کام کرنے والے مقامی استحقاق میں اضافے کے استحصال۔ متغیر تجزیہ - ایک ہی خامی کلاس کے بہن بھائیوں کی مثالوں کو تلاش کرنے کے لیے ایک تصدیق شدہ بگ کو تبدیل کرنا - پھر 948 الگ الگ پیچ تیار کیے، اور OpenAI اس اعداد و شمار کو منفرد استحقاق بڑھنے والے کیڑے کی اپنی سرخی شمار کے طور پر استعمال کرتا ہے۔ یہی وجہ ہے کہ خام استحصال کی گنتی اور 948 کے اعداد و شمار میں مماثلت نہیں ہے۔ کمپنی نے یہ بھی خبردار کیا کہ پیدا کردہ اصلاحات مینٹینر ریویو کے لیے امیدوار رہیں، ضم شدہ پیچ نہیں۔

ایک نتیجہ قریب قریب پھسل گیا۔

رپورٹ غیر معمولی طور پر قریب کی مس کے بارے میں واضح ہے۔ ابتدائی دوڑ میں، اوپن اے آئی نے پایا کہ 200 میں سے 20 کامیاب کارناموں نے ان کو تفویض کردہ خطرے سے مختلف صفر دن کے ذریعے جڑ حاصل کی ہے - یعنی صرف ایک جڑ کے خول نے اس تضاد کو چھپا دیا ہوگا۔ کمپنی نے کام کی رکاوٹوں کو سخت کیا اور جواب میں ہر استحصال کے راستے کی ایک آزاد جانچ شامل کی۔ یہ ایک تفصیل ہے جو اہمیت رکھتی ہے: اس پیمانے پر، ایک خودکار نظام غلط وجوہات کی بناء پر تکنیکی طور پر درست نتائج پیدا کر سکتا ہے، اور صرف واضح راستے کی تصدیق ہی اسے پکڑتی ہے۔

قیمت فی استحصال تیزی سے گرتی ہے۔

اوپن اے آئی کا رنز کا اپنا موازنہ ظاہر کرتا ہے کہ معاشیات کتنی تیزی سے آگے بڑھ رہی ہے۔ اکتوبر کے وسط کی دوڑ میں API کریڈٹس میں $1.213 ملین لاگت آئی - $1,279 فی منفرد استحقاق بڑھنے والے بگ۔ جولائی 2026 کے اواخر میں GPT-5.6 Sol ماڈل کا استعمال کرتے ہوئے چلانے کی لاگت $513,690 تھی اور اس میں 166 منفرد کیڑے پیدا ہوئے، جو کہ تقریباً $3,100 فی استحصال ہے۔ یہ تین مہینوں میں ناول کے نتائج میں پانچ گنا سے زیادہ اضافہ ہے - ایک مدت، اوپن اے آئی نوٹ، جس میں دانا سخت ہوتا رہا - نصف یونٹ لاگت سے بھی کم۔ کمپنی اپنی لاگت کے اعداد و شمار کو اوپری حدود کے طور پر پیش کرتی ہے، کیونکہ رنز اخراجات کو بہتر بنانے کے بجائے صلاحیت کی پیمائش کے لیے بنائے گئے تھے۔

علیحدہ طور پر موافقت کردہ کرنل سی ٹی ایف رن نے API کریڈٹس میں تقریباً $32,936 میں تصور کے 25 انفارمیشن لیک ثبوت اور 112 گھنٹوں کے دوران 21 کارنامے تیار کیے ہیں۔ OpenAI نے نوٹ کیا کہ اس رن کے ساتھ منسلک تقریبا$ 1.5 ملین انعامی اعداد و شمار تمام 21 خطرات کو قبول کیے جانے پر مشروط ہے، نہ کہ اعلان کردہ ایوارڈ - Google کے kernelCTF کے قوانین فی اہل استحصال $71,337 ادا کرتے ہیں، 20 رنز میں کم از کم 70 فیصد استحکام کی ضرورت ہوتی ہے، اور انعامات کو کوالیفائنگ صفر تک محدود کرتے ہیں۔

دس تکنیک ماہرین نے نہیں دیکھی تھیں۔

اوپن اے آئی کی ٹیم اور تھرڈ پارٹی کرنل ایکسپلائیٹیشن کے ماہرین کے ذریعہ 166 استحصالی نمونوں کا جائزہ لیا گیا، دس تکنیکوں کو حقیقی طور پر نئی سمجھا گیا۔ کمپنی نے چند نام رکھے ہیں: مستقل لچکدار اشیاء، صفحہ تیار کرنا، صرف ڈیٹا کے استحقاق میں اضافہ اور صوابدیدی قسم کی الجھن۔ حفاظتی وجوہات کی بنا پر مکمل تکنیکی تفصیلات کو روکا جا رہا ہے - یہ اعتراف کہ وہی پلے بک، جو شائع ہوئی ہے، حملہ آوروں کے لیے فوری طور پر مفید ہو گی۔

ڈے بریک سے لے کر سیارے کے پیچ تک

2026 کے اوائل میں شروع ہونے والے OpenAI کے کام کی ایک توسیع ہے۔ ڈے بریک پہل، جو 22 جون 2026 کو سیکیورٹی فرم ٹریل آف بٹس کے ساتھ شروع کی گئی تھی، AI کی مدد سے کمزوری کی تحقیق کو ماہر جائزے کے ساتھ جوڑتا ہے جبکہ مینٹینرز کو پیچ کی تعیناتی اور انکشاف کے کنٹرول میں چھوڑ دیتا ہے۔ اس پہلے کی کوشش نے اس کے GPT-5.5 سائبر لینکس کے کام سے 24 استحقاق میں اضافے کے کارناموں اور آٹھ کرنل-پوائنٹر انفارمیشن لیک ثبوتوں کی اطلاع دی تھی - جو اس مہینے کے حصول کا ایک حصہ ہے۔

OpenAI کا کہنا ہے کہ اس نے مینٹینرز کو اہم خطرات کے لیے سیکڑوں رپورٹس اور پیچ پہلے ہی بھیج دیے ہیں، باقی کو بتدریج Patch the Planet پارٹنرز کے ذریعے تقسیم کیا جائے گا۔ یہ دیکھ بھال کرنے والوں سے موجودہ کوڈ کے خلاف نتائج کی توثیق کرنے کی بھی تاکید کرتا ہے، کیونکہ اکتوبر کے اسکین میں 61 کیڑے پہلے ہی اپ اسٹریم میں پیچ شدہ، 43 اسٹیجنگ پیچ زیر التواء، اور 299 جن کی عوامی طور پر اطلاع دی گئی تھی یا بحث کی گئی تھی - اس بات کا ثبوت ہے کہ کرنل ڈویلپرز ہاتھ سے کچھ ایسی ہی خامیوں کو تلاش کر رہے تھے یہاں تک کہ ماڈل ان سے گزر گیا۔

کرنل سیکیورٹی کے لیے اس کا کیا مطلب ہے۔

رکاوٹ، جیسا کہ OpenAI اسے بناتا ہے، بدل رہا ہے۔ کمزوری کی لیڈز پیدا کرنا سستا اور تقریباً لامحدود ہوتا جا رہا ہے۔ قلیل وسائل اب استحصال کے راستے ثابت کر رہے ہیں، ایک متحرک کوڈبیس کے خلاف نتائج کو موجودہ رکھتے ہوئے، اور فکسس مینٹینرز تیار کرنے والے ضم ہونے کے لیے تیار ہیں۔ آزادانہ توثیق اور انسانی جائزہ - جس نے ابتدائی خود کار طریقے سے پیدا ہونے والے پیچ میں غلط-صفر دن کی ناکامی اور معیار کے مسائل دونوں کو پکڑا - وہی ہیں جو اس بات کا تعین کرتے ہیں کہ آیا اس پیمانے پر خودکار تحقیق قابل استعمال دفاعی کام بن جاتی ہے یا حد سے زیادہ دیکھ بھال کرنے والوں کے لیے رپورٹنگ کا ایک نئی قسم کا بوجھ۔

محافظوں کے لیے، پیغام غیر آرام دہ لیکن واضح ہے: وہی پائپ لائن جو امیدواروں کے پیچ تیار کرتی ہے، ایک قابل مخالف کو ہزاروں ابتدائی پوائنٹس دے سکتی ہے۔ دوڑ اب ان لوگوں کے درمیان ہے جو اصلاحات کو ضم کر رہے ہیں اور ہر وہ شخص جو اپنے طور پر استحصال کو دوبارہ پیش کرنے کا انتظام کرتا ہے۔

---

Stay Ahead of AI

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

Read more AI news →