Hiljadu puteva manje do root pristupa

Sigurnosno istraživanje koje je nekada zahtijevalo zasebnu, dugotrajnu istragu za svaki nalaz sve se više može provoditi kao sistematičan proces. Ovaj dokument razmatra jedan od naših poduhvata u ovoj oblasti.

Otkrivanje ranjivosti sve je lakše provoditi u većem obimu, ali određivanje prioriteta i validacija i dalje predstavljaju operativna uska grla. Izradili smo prototip za traženje sigurnosnih propusta u jezgru Linuxa unutar kontroliranog istraživačkog okruženja. Naš prototip identificirao je i analizirao 2.308 potencijalnih nalaza u jezgru Linuxa, dinamički reproducirao 1.724 ranjivosti i proizveo 948 eksploita za lokalno podizanje privilegija (LPE) koji bi lokalnom korisniku bez privilegija mogli omogućiti root pristup.

Te dokaze koristili smo za određivanje prioriteta pri prijavljivanju ranjivosti i razvili prijedloge zakrpa koje će održavaoci pregledati. Slijedeći smjernice zajednice jezgra Linuxa, počeli smo s kritičnim ranjivostima, a na daljnjim izvještajima i zakrpama radimo s partnerima inicijative Patch the Planet.

U junu smo, u okviru naše inicijative Patch the Planet, objavili da je GPT‑5.5 Cyber identificirao ranjivosti jezgra Linuxa i razvio 24 eksploita za lokalno podizanje privilegija radi njihove validacije i prijavljivanja. Taj rad proširili smo u proces koji pokreće nadolazeći model za kibernetičku sigurnost, a koji obuhvata otkrivanje ranjivosti, dinamičku validaciju, procjenu mogućnosti iskorištavanja i generiranje zakrpa. Po završetku procesa istraživači su pregledali rezultate i prijavili pronađene ranjivosti zajedno sa zakrpama.

Jezgro Linuxa temelj je Android uređaja, infrastrukture u oblaku, superračunara i drugih sistema koje koriste milijarde ljudi. S više od 40 miliona redova koda, jezgro izlaže široku površinu napada kroz sistemske pozive, mrežne funkcije, sisteme datoteka i upravljačke programe uređaja. Odabrali smo Linux kako bismo proučili koliko efikasno granični modeli mogu pronalaziti ranjivosti i pokazati njihov utjecaj na sigurnost u bazi koda ovog obima i značaja.

Početna faza otkrivanja ranjivosti proizvela je hiljade potencijalnih nalaza, previše da bi ih sigurnosni istraživači ručno pregledali i trijažirali. Operativni izazov našeg procesa otkrivanja ranjivosti nije bilo samo otkrivanje, nego utvrđivanje koji se nalazi mogu reproducirati, koju sigurnosnu granicu prelaze i koji zaslužuju da ih održavaoci prvi razmotre.

Misija tima za kibernetičku sigurnost kompanije OpenAI jeste pomoći u zaštiti softvera na koji se svijet oslanja. Navodimo API troškove za svaku fazu kako bismo istraživačima pomogli da procijene resurse potrebne za ponavljanje i proširivanje ovog rada. Ti troškovi odražavaju modele, konfiguracije ciljnih sistema i tok rada korištene u ovoj evaluaciji. Naš širi cilj je pomoći stručnjacima za odbranu da pronađu i otklone ranjivosti, smanjujući mogućnosti dostupne napadačima i povećavajući njihove troškove iskorištavanja softvera.

Na kraju, važno je napomenuti da smo se u ovom istraživanju usmjerili na metodologiju i mjerenje sposobnosti modela, a ne na trošak. Očekujemo da bi dovoljno inženjerskog rada na harnessu moglo znatno smanjiti trošak svake faze; zato prijavljeni troškovi prije predstavljaju gornju granicu.

Naš prototip za istraživanje ranjivosti sastoji se od pet faza, a u njegovoj osnovi je nadolazeći model za kibernetičku sigurnost:

• Otkrivanje ranjivosti: Agenti identificiraju dijelove baze koda relevantne za sigurnost i skeniraju ih radi pronalaženja potencijalnih ranjivosti.

• Dinamička validacija: Agenti pokušavaju reproducirati svaki potencijalni nalaz u izoliranom okruženju i sačuvati dokaze iz izvršavanja. Rezultat ovog koraka su reproducirane i potvrđene ranjivosti.

• Procjena mogućnosti iskorištavanja: Agenti testiraju mogu li potvrđene ranjivosti omogućiti otkrivanje informacija ili lokalno podizanje privilegija.

• Generiranje zakrpa: Agenti generiraju zakrpe koje otklanjaju svaku identificiranu ranjivost.

• Stručni pregled: Sigurnosni istraživači pregledaju eksploit, zakrpu i predloženi nivo ozbiljnosti prije prijavljivanja održavaocima.

Na kraju procesa sistem objedinjuje analizu osnovnog uzroka, minimalni dokaz koncepta koji izaziva pad sistema, prijedlog zakrpe i potpuni eksploit, kako bi istraživači lakše procijenili ozbiljnost ranjivosti i dostavili ispravke izvornom projektu.

Nije svaki red koda u jezgru Linuxa relevantan za sigurnost. Naš proces koristio je tim agenata izviđača da identificira najvažnije dijelove za reviziju, koji su zatim proslijeđeni agentima analitičarima radi skeniranja ranjivosti.

Agenti izviđači pregledaju svaku fasciklu i datoteku te određuju šta treba revidirati na osnovu dostupnosti korisnicima s niskim privilegijama i relevantnosti za sigurnost.

U ovoj fazi identificirana su 5.034 cilja za reviziju, s oko 2,8 miliona redova koda, što je približno 7% ukupne baze koda jezgra Linuxa. Time je trošak sigurnosne revizije znatno smanjen u odnosu na analizu cijele baze koda. Ovaj korak koštao je 3.426 USD u API kreditima.

Zatim su agenti analitičari analizirali svaki cilj revizije i izradili potencijalne nalaze koristeći tok rada sličan onom u dodatku Codex Security⁠(otvara se u novom prozoru). U osnovi, agenti analitičari čitaju kod dodijeljenog cilja revizije kako bi razumjeli kako radi, identificirali njegov model prijetnji i potražili ranjivosti.

U roku od 12 sati agenti analitičari proizveli su 2.308 potencijalnih nalaza nakon uklanjanja duplikata. Ova faza koštala je 316.549 USD u API kreditima.

Potencijalni nalaz nije isto što i potvrđena ranjivost. Pri ovom obimu rada našem istraživačkom timu nije praktično ručno istraživati svaki izvještaj.

Zato smo se usmjerili na validaciju nalaza koji su a) bili dostupni korisniku s niskim privilegijama, b) nisu zahtijevali posebna ovlaštenja i c) davali mjerljive dokaze o oštećenju memorije.

Za svaki potencijalni nalaz agent za trijažu generirao je dokaz koncepta i pokrenuo ga u izoliranoj virtuelnoj mašini s jezgrom Linuxa i alatom Kernel Address Sanitizer (KASAN). Agent je pratio i izlaz programa i sistemsku konzolu, a zatim iterativno usavršavao dokaz koncepta dok ne bi reproducirao prijavljeno ponašanje ili iscrpio moguće načine njegovog izazivanja.

U roku od 30 sati naš sistem reproducirao je 1.724 ranjivosti, odnosno oko 74,7% od 2.308 potencijalnih nalaza. Sam statički pregled koda može biti sklon lažno pozitivnim nalazima, pa su nas impresionirali tačnost agenata analitičara i efikasnost agenata za trijažu u autonomnoj izradi funkcionalnih dokaza koncepta za gotovo tri četvrtine potencijalnih nalaza.

Većina preostalih nalaza ili je zahtijevala povišene privilegije ili se nije mogla reproducirati u zadanom vremenu zbog složenih uslova utrke, specifičnih uslova aktiviranja (npr. neophodnog neuspjeha alokacije u određenom redu) ili dugotrajne validacije (npr. prelijevanja brojača referenci). Samo 3,1% nalaza bilo je posljedica netačne analize modela, u kojoj je prijavljena ranjivost pretpostavljala nemoguć uslov.

Faza validacije ukupno je koštala 73.330 USD u API kreditima. Primijetili smo da je naš proces validacije, u kojem je trebalo generirati dokaz koncepta da bi se potvrdilo da je potencijalni nalaz stvarna ranjivost, bio skuplji od davanja preporuke samo na osnovu statičke analize. Troškovi pokušaja validacije stvarno pozitivnog i lažno pozitivnog nalaza bili su slični. Zato ranije uklanjanje lažno pozitivnih nalaza čini proces znatno isplativijim.

Validacija utvrđuje da je ranjivost stvarna, ali ne i koliko hitno treba biti otklonjena. Ranjivost koja bi, naprimjer, mogla omogućiti lokalno podizanje privilegija zaslužuje viši prioritet od one koja bi mogla izazvati samo lokalno uskraćivanje usluge. Nakon potvrđivanja 1.724 ranjivosti, sljedeći zadatak bio je identificirati nalaze s najvećim potencijalnim utjecajem na sigurnost.

Agent za početni odabir statički je pregledao svaki izvještaj, zapis o padu i relevantni izvorni kod. Kriteriji su namjerno bili blagi kako se ne bi odbacili potencijalno ozbiljni nalazi, dok su se istovremeno isključivali slučajevi bez uvjerljivog puta iskorištavanja. Time su rezultati suženi na 313 kandidata za curenje informacija i 1.238 kandidata za lokalno podizanje privilegija.

Agenti za razvoj eksploita (ExploitDev) zatim su testirali te kandidate u izoliranim virtuelnim mašinama sa zaštitama koje omogućava standardna distribucija Linuxa, uključujući Supervisor Mode Execution Prevention (SMEP), Supervisor Mode Access Prevention (SMAP), Kernel Address Space Layout Randomization (KASLR) i HARDENED_USERCOPY. To je pomoglo da se izbjegnu nerealistične procjene koje zavise od isključenih zaštita.

Agenti su proizveli 291 dokaz koncepta za curenje informacija i 1.169 funkcionalnih eksploita za lokalno podizanje privilegija koji bi lokalnim korisnicima bez privilegija mogli omogućiti root pristup.

Proveli smo analizu varijanti i razvili 948 zasebnih zakrpa za ranjivosti na kojima su se ti eksploiti zasnivali. Taj broj koristimo za određivanje ukupnog broja jedinstvenih LPE ranjivosti. Razvoj uspješnog eksploita prosječno je koštao 359 USD u kreditima. To stručnjacima za odbranu omogućava relativno jeftino testiranje mogućnosti iskorištavanja pronađenih ranjivosti.

Agent za početni odabir ranjivosti koštao je 44.194 USD u API kreditima. Faza iskorištavanja ukupno je koštala 775.929 USD u API kreditima: 84.929 USD za obradu kandidata za curenje informacija i 691.000 USD za kandidate za lokalno podizanje privilegija.

U prosjeku je obrada kandidata za lokalno podizanje privilegija (558 USD) bila približno dvostruko skuplja od obrade kandidata za curenje informacija (271 USD). Razlog je to što su dokazi koncepta za curenje informacija preneseni iz faze validacije i zahtijevali su manje izmjena da bi bili upotrebljivi u eksploitu. S druge strane, razvoj eksploita iz LPE kandidata zahtijevao je mnogo dodatnih koraka, poput planiranja strategije iskorištavanja, identificiranja ranjivih objekata za upotrebu, zaobilaženja zaštita i drugih. Primijetili smo i da su neuspješni pokušaji iskorištavanja (3.922 USD za 69 slučajeva) koštali mnogo više od uspješnih (360 USD za 1.169 slučajeva). To je bilo posljedica nekoliko ranjivosti koje je teško iskoristiti (npr. uslova utrke). Definiranje razumnog uslova za odustajanje, poput prekidanja pokušaja nakon jednog sata bez napretka, znatno bi smanjilo trošak agenata ExploitDev.

Za svaku potvrđenu ranjivost sistem generira i zakrpu. Modelu dajemo relevantni izvorni kod i upute o najboljim praksama pisanja zakrpa, poput provođenja statičkih provjera zakrpe, praćenja praksi razvoja softvera korištenih u okolnom kodu i provođenja analize varijanti kako bi se osigurala potpunost zakrpe.

Slijedeći prijedlog zajednice jezgra Linuxa, već smo poslali stotine izvještaja i zakrpa za kritične ranjivosti, a s partnerima inicijative Patch the Planet radimo na postepenom slanju zakrpa za ostale. Ovaj rad dio je našeg šireg opredjeljenja za podršku projektima otvorenog koda kroz Daybreak.

U ovom odjeljku predstavljamo saznanja, razmatranja i dodatne analize iz ovog istraživanja.

Tokom ovog istraživanja primijetili smo da održavaoci Linuxa brzo otklanjaju ranjivosti i štite korisnike. Skeniranje je provedeno na najnovijem jezgru Linuxa sredinom oktobra 2026. Kada su autonomno skeniranje i ručna analiza završeni nakon 10 dana, 61 LPE ranjivost već je bila zakrpljena u izvornom projektu, za 43 su zakrpe bile u pripremi, a 299 ih je bilo predmet javnih prijava i rasprava.

Veoma cijenimo održavaoce Linuxa koji su hitno radili na zakrpama za identificirane probleme, kao i širu sigurnosnu zajednicu koja je doprinosila svojim nalazima. Takav zajednički odgovor potreban je da bi se zaštitio softver širom svijeta. Brz tempo objavljivanja ranjivosti i izrade zakrpa također naglašava koliko je važno da korisnici i kompanije redovno ažuriraju softver.

Ključna pouka: Automatizirana trijaža treba uzeti u obzir brz ciklus izrade zakrpa. Ponovna validacija nalaza na najnovijem kodu, uključujući novi kod uključen nakon prvobitnog skeniranja, pomaže da se izbjegnu duplirani ili zastarjeli izvještaji. Time se pažnja usmjerava na neriješene ranjivosti, a održavaoci dobijaju dokaze na osnovu kojih mogu djelovati, bez nepotrebnog dodatnog opterećenja pri pregledu.

Dok smo razvijali proces krajem jula 2026, GPT‑5.6 Sol pronašao je i iskoristio 166 jedinstvenih LPE ranjivosti uz ukupan trošak od 513.690 USD u API kreditima.

U drugom skeniranju, sredinom oktobra 2026, noviji model za kibernetičku sigurnost pronašao je i iskoristio 948 jedinstvenih LPE ranjivosti uz ukupan trošak od 1.213.430 USD u API kreditima. U obje kampanje skenirali smo tada najnoviju granu master jezgra Linuxa.

Ključna pouka: Ponovo skenirajte ranije revidirani kod kako se sposobnosti modela poboljšavaju. Sposobniji model može otkriti ranjivosti koje su raniji modeli propustili, čak i kada koristi isti istraživački harness.

Uzeli smo uzorak od 166 eksploita koje su razvili agenti i analizirali tehnike iskorištavanja korištene u njima. Koliko nam je poznato, agenti su u eksplo itima iz uzorka koristili 10 novih tehnika iskorištavanja ranjivosti. Te tehnike podijelili smo s nezavisnim stručnjacima za iskorištavanje ranjivosti jezgra, kojima su također bile nove.

Od tih 10 tehnika, dvije koriste nove trajne elastične objekte kojima je model popunjavao ciljnu predmemoriju jezgra objektima; dvije su nove tehnike pripreme memorijskih stranica radi povećanja pouzdanosti eksploita; pet su nove tehnike zasnovane isključivo na podacima za podizanje privilegija direktno ili proizvoljnim upisom; preostala tehnika uključuje proizvoljnu zabunu tipova. Iz sigurnosnih razloga u ovoj objavi ne iznosimo potpune tehničke detalje tih novih tehnika iskorištavanja ranjivosti.

Ključna pouka: Granični modeli ne prepoznaju samo poznate obrasce ranjivog koda niti koriste isključivo poznate tehnike iskorištavanja; pokazuju kreativnost i nove pristupe.

Važan dio misije našeg tima jeste mjerenje troškova pronalaženja i iskorištavanja ranjivosti te korištenje tih dokaza za usmjeravanje ulaganja u odbranu. Naš cilj je pomoći stručnjacima za odbranu da otklone ranjivosti prije nego što ih napadači iskoriste i učiniti iskorištavanje softvera preskupim za napadače. Mjerenje troškova iskorištavanja pomaže nam da procijenimo kako se taj izazov mijenja s poboljšavanjem sposobnosti modela. U ovom odjeljku upoređujemo trošak pokretanja našeg procesa s nagradama iz programa za otkrivanje ranjivosti za identificirane propuste.

Ciljne virtuelne mašine u našem eksperimentu koristile su standardni operativni sistem za desktop računare, a ne namjerno oslabljenu metu, uz isti model prijetnji koji se koristi na takmičenjima iz kibernetičke sigurnosti (npr. Pwn2Own⁠(otvara se u novom prozoru), TyphoonPWN⁠(otvara se u novom prozoru)). Pwn2Own i TyphoonPWN ranije su nudili nagrade od 20.000 USD odnosno 70.000 USD za eksploite za lokalno podizanje privilegija u jezgru Linuxa. Primjenom tih ranijih iznosa nagrada na 948 eksploita dobija se hipotetička vrijednost od 18,9–66,3 miliona USD, približno 16 do 55 puta veća od troška našeg procesa.

Naš proces testirali smo i u okviru Googleovog programa nagrađivanja za ranjivosti kernelCTF⁠(otvara se u novom prozoru), čija je meta sigurnosno ojačano jezgro Linuxa sa smanjenim površinama napada. Proces smo pokrenuli na najnovijoj verziji jezgra Linuxa u okruženju kernelCTF i dobili 25 dokaza koncepta za curenje informacija i 21 eksploit za lokalno podizanje privilegija. Ta verzija nije bila kompatibilna sa zaštitom SLAB_VIRTUAL u kernelCTF-u, pa smo je uklonili iz konfiguracije. Poređenja radi, do trenutka pisanja kernelCTF je u 2026. prihvatio 26 potvrđenih LPE eksploita za ranjivosti nultog dana. Cijela kampanja trajala je ukupno 112 sati i koštala približno 32.936 USD u API kreditima, pri čemu je otkrivanje ranjivosti činilo 83,7% API troška. Kada bi program prihvatio tu 21 ranjivost, nagrada bi iznosila oko 1,5 miliona USD, približno 45 puta više od troška.

Ključna pouka: Na osnovu javno dostupnih iznosa isplata, naš proces istraživanja ranjivosti s tadašnjim modelima sposobnim za rad u kibernetičkoj sigurnosti ostvarivao je neto dobit u vrijeme ovog istraživanja. Stručnjaci za odbranu trebaju proaktivno analizirati svoj softver kako bi njegovo iskorištavanje postalo preskupo za napadače.

Tokom procjene mogućnosti iskorištavanja agenti ExploitDev dobili su izvještaj o ranjivosti i zadatak da kreiraju potpuno funkcionalan eksploit. Naš proces označavao je ranjivost kao iskorištenu ako je uspješno dobijena komandna ljuska s root privilegijama. Tokom jednog ranog pokretanja faza iskorištavanja prijavila je 200 uspješnih eksploita za lokalno podizanje privilegija. Međutim, nakon stručnog pregleda utvrdili smo da je 20 njih dobilo root privilegije putem druge ranjivosti nultog dana, a ne one koja im je dodijeljena. To ukazuje na to da čak i uspješno iskorištavanje koje provedu agenti zahtijeva odgovarajuću validaciju.

Naknadno smo pooštrili ograničenja zadatka i dodali nezavisnu provjeru kojom se potvrđuje da svaki konačni eksploit koristi dodijeljenu ranjivost.

Ključna pouka: U autonomnom sigurnosnom istraživanju provjeravajte i put do rezultata, a ne samo rezultat; izolacija, nadzor i nezavisne provjere neophodne su kontrolne mjere.

Na početku istraživanja razmatrali smo treba li oko agenta izgraditi složenu orkestraciju kako bi se poboljšale njegove sposobnosti u kibernetičkoj sigurnosti. Naš rezultat ukazao je na to da snažniji modeli zahtijevaju jednostavniju orkestraciju i manje usmjeravanja. Pritom neznatno poboljšanje ne opravdava troškove održavanja. Zato smo odlučili ukloniti složenu orkestraciju.

U eksperimentu smo uporedili GPT‑5.5 Cyber i GPT‑5.6 Cyber. Prema našim opažanjima, GPT‑5.5 Cyber nije dosljedno prepoznavao kada i kako primijeniti postojeće tehnike iskorištavanja ranjivosti jezgra Linuxa. Zatim smo prikupili 103 tehnike u formatu prilagođenom modelu, učinili ih dostupnim u okruženju agenta i uputili agenta da ih koristi. Na 63 potencijalne ranjivosti za iskorištavanje time je stopa uspješnosti povećana sa 76,2% na 88,9%.

Kada smo to ponovili s modelom GPT‑5.6 Cyber, model je bolje samostalno pronalazio, birao i primjenjivao relevantne tehnike. Uklonili smo orkestraciju tehnika i vještina, a tako pojednostavljen tok rada modela GPT‑5.6 Cyber nadmašio je tok rada modela GPT‑5.5 Cyber sa složenijom potpornom strukturom. Vraćanje dodatnog sloja tehnika za GPT‑5.6 Cyber donijelo je tek neznatno poboljšanje od 1,5 procentnih poena.

Ključna pouka: Preispitujte orkestraciju i harness kako se mijenjaju sposobnosti osnovnog modela. Potporna struktura koja znatno poboljšava jednu generaciju modela može donijeti malo koristi snažnijem modelu, pa treba procijeniti opravdava li njena vrijednost troškove održavanja.

U početku, kada bismo od modela direktno zatražili prijedloge zakrpa, on bi kreirao funkcionalno ispravne zakrpe koje sprečavaju djelovanje dokaza koncepta, ali bi povremeno uvodio druge probleme: više koda nego što je potrebno, moguće kompromise u pogledu performansi ili odstupanja od konvencija kodiranja. Ponekad ne bi ispitao povezani kod radi pronalaska varijanti iste ranjivosti, pa bi zakrpe bile nepotpune.

Dodatne upute i iterativno usavršavanje procesa generiranja zakrpa poboljšali su njihov kvalitet. To ukazuje na to da, uz odgovarajući pristup, sigurnosne zakrpe koje generira AI mogu biti ispravne, minimalne i usklađene s postojećim konvencijama kodiranja. Ovo je aktivno područje istraživanja i vjerujemo da će s budućim modelima postati jednostavnije i efikasnije. U nekoliko slučajeva naš istraživački prototip uspio je identificirati i probleme u zakrpama koje su napisali stručnjaci, a koji su zatim ispravljeni prije uključivanja zakrpa u kod.

Ključna pouka: Modeli mogu ubrzati proces izrade zakrpa, ali vještine i harnessi za izradu zakrpa mogu zahtijevati iterativno usavršavanje kako bi zakrpe pouzdano ispunjavale i funkcionalne i nefunkcionalne zahtjeve. Također preporučujemo korištenje modela za pregled zakrpa koje su izradili ljudi ili AI iz perspektive napadača. Takav pregled može otkriti probleme poput mogućnosti zaobilaženja zakrpe, neobuhvaćenih puteva napada ili varijanti i drugih propusta.

Tokom pokretanja u kernelCTF-u, pored 21 eksploita za ranjivosti nultog dana u jezgru Linuxa, naš istraživački prototip pronašao je i iskoristio ranjivost u QEMU TCG-u. Agent analitičar dobio je zadatak da analizira ulazni kod sistemskih poziva, a pri pisanju programa za eksperimentiranje s promjenama nivoa privilegija naišao je na neočekivan pad jezgra. Proveo je trijažu pada i utvrdio da problem potiče iz QEMU TCG-a, bez pristupa izvornom kodu QEMU-a, te je ranjivost uključio u izvještaj. Agent ExploitDev zatim je uspješno razvio eksploit za lokalno podizanje privilegija za tu ranjivost. Tu ranjivost QEMU-a otkrili smo tokom ručne analize eksploita i potvrdili da je već bila otklonjena u izvornom projektu QEMU, ali ne i u izdanju korištenom tokom eksperimenta.

Ključna pouka: Granični modeli sposobni za rad u kibernetičkoj sigurnosti mogu pronaći ranjivosti u testnoj infrastrukturi. Preporučujemo testiranje svakog dijela infrastrukture prije provođenja ofanzivnog istraživanja ranjivosti. Proaktivno smo testirali svoju infrastrukturu te prijavili i zakrpili brojne ranjivosti u projektima Kata, Moby/Docker, gVisor i drugim.

Naš cilj je da rastuće sposobnosti modela pretvorimo u trajnu prednost za ljude koji štite internet. Ovo istraživanje pokazuje da se sve veće sposobnosti graničnih modela u oblasti kibernetičke sigurnosti mogu koristiti za efikasno traženje ranjivosti u složenom softveru, poput jezgra Linuxa. Jačanje sigurnosti ključnih softverskih projekata poput Linuxa i drugih projekata otvorenog koda može zaštititi brojne sisteme i korisnike koji se na njih oslanjaju.

Kroz Patch the Planet, inicijativu u okviru programa Daybreak, nastojimo proširiti ovo istraživanje na još ključnih softverskih projekata i zajedno s održavaocima i sigurnosnim partnerima razviti pouzdano automatizirano kreiranje zakrpa. Želimo stalno smanjivati mogućnosti dostupne napadačima i povećavati troškove pronalaženja i iskorištavanja ranjivosti, sve dok očekivana korist više ne opravdava napad.

Svaka generacija modela trebala bi nam pomoći da izgradimo softver koji će sljedeća generacija teže kompromitirati. Nastavit ćemo raditi na izgradnji sigurnog interneta na kojem svako može s radošću stvarati.