自动漏洞挖掘流水线为Linux生成948个提权漏洞补丁
来源标题：A thousand fewer paths to root
一套自动化漏洞发现、利用与修补流水线在一次运行中，验证并为Linux的948个本地权限提升漏洞生成了补丁，API成本为120万美元。该流水线包含侦察、分析、漏洞验证、可利用性评估和补丁生成等环节。维护者正在快速修补这些漏洞。
以下正文由 AI 翻译自 Hacker News（原文版权归原站所有），可能存在偏差，重要内容请以原文为准。
我们开发了一套自主的漏洞发现、利用与修补流水线。在与我们的网络安全模型进行的一次运行中，该流水线验证并生成了针对Linux中948个本地提权漏洞的补丁，API成本为120万美元。
分享
为什么选择Linux内核 为什么选择Linux内核
成本分析
漏洞研究流水线 漏洞发现 Scout代理
分析代理
漏洞验证
可利用性评估
补丁生成
发现 维护者正在快速修补漏洞
更强的模型发现更多漏洞
新颖的利用技术
防御者可以从利用成本中学到什么
使用错误的0-day
能力更强的模型可能需要更轻量的编排
迭代改进补丁生成
测试基础设施中的漏洞
结论
为什么选择Linux内核
成本分析
漏洞研究流水线 漏洞发现 Scout代理
分析代理
漏洞验证
可利用性评估
补丁生成
发现 维护者正在快速修补漏洞
更强的模型发现更多漏洞
新颖的利用技术
防御者可以从利用成本中学到什么
使用错误的0-day
能力更强的模型可能需要更轻量的编排
迭代改进补丁生成
测试基础设施中的漏洞
结论
过去，每一项安全研究发现都需要单独、持续地调查，而如今这类安全研究越来越可以作为一个系统化流程来运行。本文探讨了我们在这方面的一项工作。
漏洞发现正变得越来越容易规模化，但优先级排序和验证仍然是操作层面的瓶颈。我们在一个受控的研究环境中构建了一个原型，用于寻找Linux内核中的安全缺陷。我们的原型识别并分析了2，308个候选Linux内核发现，动态复现了1，724个漏洞，并生成了948个本地提权（LPE）利用程序，这些利用程序可能让无特权的本地用户获得root访问权限。
我们利用这些证据对漏洞进行优先级排序以便报告，并开发了候选补丁供维护者审查。根据Linux内核社区的指导，我们从严重漏洞入手，并正在与Patch the Planet合作伙伴一起推进更多报告和补丁。
今年6月，作为我们Patch the Planet计划的一部分，我们分享了GPT‑5.5 Cyber已识别出Linux内核漏洞，并开发了24个本地提权利用程序来验证和报告这些漏洞。我们将这项工作扩展为一条流水线，由一款即将推出的网络安全模型驱动，涵盖漏洞发现、动态验证、可利用性评估和补丁生成。完成后，由人类研究人员审查输出结果，并连同补丁一起报告发现的漏洞。
从高层来看，我们的流水线工作方式如下：首先识别Linux内核中与安全相关的部分，对这些审计目标进行静态扫描以寻找候选发现，在隔离环境中动态复现这些发现，创建概念验证（PoC）利用程序以证明可利用性，生成补丁，最后由人类安全研究人员审查结果。
流水线的输出包括根本原因分析、最小化的崩溃概念验证、候选补丁以及完整的利用程序，以帮助人类研究人员评估漏洞的严重性并将修复上游化。
在2026年10月中旬的一次运行中，我们的流水线使用一款即将推出的网络安全模型，动态复现了1，724个漏洞，并针对一个常用Linux发行版生成了291个信息泄露漏洞的PoC和948个可用的本地提权（LPE）利用程序。此次运行的总成本为1，213，430美元的API额度，即每个LPE利用程序1，279美元。
目标虚拟机运行的是标准的桌面操作系统，而非被削弱的靶机，所用的威胁模型与网络安全竞赛（例如Pwn2Own（在新窗口中打开）、TyphoonPWN（在新窗口中打开））相同。历史上，Pwn2Own和TyphoonPWN为Linux内核LPE利用程序分别提供20，000美元和70，000美元的漏洞赏金。将这些历史赏金金额应用于这948个利用程序，可得出18.9M至66.3M美元的假设估值，约为我们流水线成本的16倍至55倍。
在适配的kernelCTF（在新窗口中打开）环境中（该环境是攻击面缩减的Linux内核版本），我们的流水线获得了25个信息泄露PoC和21个LPE利用程序。相比之下，截至撰写本文时，kernelCTF在2026年已接收26个经确认的0-day LPE利用程序。
此次行动花费了约32，936美元的API额度。如果这21个漏洞被该计划接收，将带来约150万美元的赏金奖励，约为扫描成本的45倍。
据我们所知，该流水线中的代理发现并使用了至少10种新颖的Linux利用技术。
Linux维护者和安全社区正在努力快速发现和修复漏洞。在扫描运行的10天内，我们观察到超过100个Linux LPE已被修补或已有其他贡献者的暂存补丁，另有约300个正在公开讨论中。
鉴于前沿模型的漏洞发现速度，我们认为自动化补丁生成对于以所需速度保障软件安全、并限制利用窗口至关重要。在人类专家引导的迭代下，我们相信AI生成的补丁可以在功能上正确、与现有编码风格一致，并能抵御攻击变体。这是一个重要的进一步研究方向。
能力更强的模型能够在现有代码中发现新漏洞，通常包括那些存在时间更长、识别起来更复杂的漏洞。我们在10月中旬使用较新的网络安全模型进行的分析流水线发现的novel LPE数量是7月份GPT‑5.6 Sol运行的5倍以上，尽管两次扫描之间经过了三个月的加固。
（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）
正文由 探How 从来源站点 RSS 同步，内容未经改写；遇到排版缺失或需要图片、视频时请以原文为准。