OpenAI构建自主流水线，为Linux内核发现948个提权漏洞并生成补丁
来源标题：A thousand fewer paths to root
OpenAI开发了一套自主漏洞发现与修复流水线，单次运行即为Linux内核验证并生成948个本地提权漏洞的补丁，API成本约120万美元。该流水线涵盖漏洞发现、验证、可利用性评估和补丁生成等环节，相关维护者正快速推进修补。OpenAI称更强的模型能发现更多漏洞，迭代还能改进补丁生成质量。
以下正文由 AI 翻译自 OpenAI（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漏洞发现、利用和修补流水线。在与我们的网络安全模型的一次运行中，它为 Linux 中的 948 个本地权限提升漏洞完成验证并生成补丁，API 成本为 120 万美元。
分享
为什么是 Linux 内核
为什么是 Linux 内核
成本分析
漏洞研究流水线
漏洞发现
侦察 agent
分析 agent
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
用错 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
为什么是 Linux 内核
成本分析
漏洞研究流水线
漏洞发现
侦察 agent
分析 agent
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
用错 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，每发现一个漏洞都需要单独、持续的安全研究；如今，这类工作正越来越多地以系统化流程来运行。本文介绍我们在这一方向上的其中一项工作。
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是运营瓶颈。我们在受控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。原型识别并分析了 2,308 个候选 Linux 内核发现项，动态复现了 1,724 个漏洞，并生成了 948 个本地权限提升（LPE）利用程序，这些利用程序可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上报，并开发了候选补丁供维护者审查。按照 Linux 内核社区的指导，我们从严重漏洞入手，并正与 Patch the Planet 合作伙伴一起推进后续报告和补丁。
今年 6 月，作为 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 个本地权限提升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，覆盖漏洞发现、动态验证、可利用性评估和补丁生成。流水线完成后，由人类研究员审查输出，并将发现的漏洞连同补丁一起上报。
从高层看，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获取候选发现项，在隔离环境中动态复现这些发现项，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员审查结果。
流水线的输出包括根因分析、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，并针对一款常用 Linux 发行版生成了 291 个信息泄露漏洞的 PoC 和 948 个可用的本地权限提升（LPE）利用程序。整次运行的 API 额度成本为 1,213,430 美元，即每个 LPE 利用程序 1,279 美元。
目标虚拟机运行的是原版桌面操作系统，而非被弱化的目标，并且采用与网络安全竞赛（例如 Pwn2Own（在新窗口中打开）、TyphoonPWN（在新窗口中打开））相同的威胁模型。历史上，Pwn2Own 和 TyphoonPWN 曾为 Linux 内核 LPE 利用程序提供 20,000 美元和 70,000 美元的漏洞赏金。将这些历史赏金金额套用到 948 个利用程序上，可得出 1,890 万至 6,630 万美元的假设估值，约为我们流水线成本的 16 倍至 55 倍。
在改造过的 kernelCTF（在新窗口中打开）环境中（该环境是攻击面缩减版的 Linux 内核），我们的流水线获得了 25 个信息泄露 PoC 和 21 个 LPE 利用程序。作为对比，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。
本次行动在 API 额度上花费约 32,936 美元。如果这 21 个漏洞被该计划接收，将带来约 150 万美元的赏金，约为扫描成本的 45 倍。
据我们所知，该流水线中的 agent 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并修复漏洞。在扫描运行期间的 10 天内，我们观察到已有 100 多个 Linux LPE 被修补，或已有其他贡献者提交的暂存补丁，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，我们认为自动补丁生成对于以所需速度保障软件安全、并缩短利用窗口至关重要。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，并且对攻击变体具有鲁棒性。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，其中往往包括存在时间更长、识别起来更复杂的漏洞。我们在 10 月中旬使用较新网络安全模型进行的分析流水线，发现的 novel LPE 数量是 7 月一次 GPT‑5.6 Sol 运行的 5 倍以上，尽管两次扫描之间经历了三个月的加固。
（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。