Χίλιοι λιγότεροι δρόμοι προς την πρόσβαση root

Η έρευνα ασφάλειας που κάποτε απαιτούσε ξεχωριστή, εκτεταμένη διερεύνηση για κάθε εύρημα μπορεί πλέον, όλο και περισσότερο, να διεξάγεται ως συστηματική διαδικασία. Αυτό το έγγραφο εξετάζει μία από τις προσπάθειές μας σε αυτόν τον τομέα.

Ο εντοπισμός ευπαθειών γίνεται ευκολότερος σε μεγάλη κλίμακα, αλλά η ιεράρχηση και η επικύρωση εξακολουθούν να αποτελούν σημεία συμφόρησης στη διαδικασία. Δημιουργήσαμε ένα πρωτότυπο για την αναζήτηση κενών ασφαλείας στον πυρήνα Linux, μέσα σε ελεγχόμενο ερευνητικό περιβάλλον. Το πρωτότυπό μας εντόπισε και ανέλυσε 2.308 πιθανά ευρήματα στον πυρήνα Linux, αναπαρήγαγε δυναμικά 1.724 ευπάθειες και παρήγαγε 948 exploit τοπικής κλιμάκωσης προνομίων (LPE), τα οποία θα μπορούσαν να επιτρέψουν σε τοπικό χρήστη χωρίς προνόμια να αποκτήσει πρόσβαση root.

Χρησιμοποιήσαμε αυτά τα στοιχεία για να ιεραρχήσουμε τις ευπάθειες προς αναφορά και αναπτύξαμε προτεινόμενες διορθώσεις για εξέταση από τους συντηρητές. Ακολουθώντας την καθοδήγηση της κοινότητας του πυρήνα Linux, ξεκινήσαμε από τις κρίσιμες ευπάθειες και συνεργαζόμαστε με εταίρους του Patch the Planet για περαιτέρω αναφορές και διορθώσεις.

Τον Ιούνιο, στο πλαίσιο της πρωτοβουλίας μας Patch the Planet, ανακοινώσαμε ότι το GPT‑5.5 Cyber είχε εντοπίσει ευπάθειες στον πυρήνα Linux και είχε αναπτύξει 24 exploit τοπικής κλιμάκωσης προνομίων για την επικύρωση και την αναφορά τους. Επεκτείναμε αυτή τη δουλειά σε μια ροή εργασιών που βασίζεται σε ένα επερχόμενο μοντέλο κυβερνοασφάλειας και καλύπτει τον εντοπισμό ευπαθειών, τη δυναμική επικύρωση, την αξιολόγηση της δυνατότητας εκμετάλλευσης και την παραγωγή διορθώσεων. Μετά την ολοκλήρωσή της, ερευνητές εξέτασαν τα αποτελέσματα και υπέβαλαν αναφορές για τις ευπάθειες που εντοπίστηκαν, μαζί με διορθώσεις.

Ο πυρήνας Linux αποτελεί τη βάση συσκευών Android, υποδομών cloud, υπερυπολογιστών και άλλων συστημάτων που χρησιμοποιούν δισεκατομμύρια άνθρωποι. Με περισσότερες από 40 εκατομμύρια γραμμές κώδικα, ο πυρήνας παρουσιάζει ευρεία επιφάνεια επίθεσης μέσω κλήσεων συστήματος, δικτύωσης, συστημάτων αρχείων και προγραμμάτων οδήγησης συσκευών. Επιλέξαμε το Linux για να μελετήσουμε πόσο αποτελεσματικά τα κορυφαία μοντέλα θα μπορούσαν να εντοπίζουν ευπάθειες και να αποδεικνύουν τον αντίκτυπό τους στην ασφάλεια, σε μια βάση κώδικα τέτοιας κλίμακας και σημασίας.

Το αρχικό στάδιο εντοπισμού ευπαθειών παρήγαγε χιλιάδες πιθανά ευρήματα, υπερβολικά πολλά για να τα εξετάσουν και να τα ταξινομήσουν χειροκίνητα οι ερευνητές ασφάλειας. Η πρακτική πρόκληση στη ροή εντοπισμού ευπαθειών μας δεν ήταν ο ίδιος ο εντοπισμός, αλλά ο προσδιορισμός των ευρημάτων που μπορούσαν να αναπαραχθούν, των ορίων ασφάλειας που παραβίαζαν και εκείνων που απαιτούσαν την πιο άμεση προσοχή των συντηρητών.

Αποστολή της ομάδας κυβερνοασφάλειας της OpenAI είναι να συμβάλλει στην προστασία του λογισμικού στο οποίο βασίζεται ο κόσμος. Αναφέρουμε το κόστος API για κάθε στάδιο, ώστε να βοηθήσουμε τους ερευνητές να εκτιμήσουν τους πόρους που χρειάζονται για να αναπαραγάγουν και να επεκτείνουν αυτή την εργασία. Αυτά τα κόστη αντανακλούν τα μοντέλα, τις διαμορφώσεις των στόχων και τη ροή εργασιών που χρησιμοποιήθηκαν σε αυτή την αξιολόγηση. Ο ευρύτερος στόχος μας είναι να βοηθούμε τους υπεύθυνους άμυνας να εντοπίζουν και να διορθώνουν ευπάθειες, μειώνοντας τις ευκαιρίες των επιτιθέμενων και αυξάνοντας το κόστος που αντιμετωπίζουν για την εκμετάλλευση λογισμικού.

Τέλος, σημειώνουμε ότι σε αυτή την έρευνα εστιάσαμε στη μεθοδολογία και στη μέτρηση των δυνατοτήτων των μοντέλων, όχι στο κόστος. Αναμένουμε ότι επαρκής τεχνική βελτιστοποίηση του μηχανισμού θα μπορούσε να μειώσει ουσιαστικά το κόστος σε κάθε στάδιο· συνεπώς, τα κόστη που αναφέρουμε αποτελούν περισσότερο ένα ανώτατο όριο.

Το πρωτότυπό μας για την έρευνα ευπαθειών είναι μια ροή εργασιών πέντε σταδίων, με ένα επερχόμενο μοντέλο κυβερνοασφάλειας στον πυρήνα της:

• Εντοπισμός ευπαθειών: Οι πράκτορες εντοπίζουν τμήματα της βάσης κώδικα που σχετίζονται με την ασφάλεια και τα σαρώνουν για πιθανά ευρήματα.

• Δυναμική επικύρωση: Οι πράκτορες προσπαθούν να αναπαραγάγουν κάθε πιθανό εύρημα σε απομονωμένο περιβάλλον και διατηρούν στοιχεία από την εκτέλεση. Αυτό το βήμα αποδίδει τις ευπάθειες που αναπαράχθηκαν και επικυρώθηκαν.

• Αξιολόγηση δυνατότητας εκμετάλλευσης: Οι πράκτορες ελέγχουν αν οι επικυρωμένες ευπάθειες θα μπορούσαν να επιτρέψουν αποκάλυψη πληροφοριών ή τοπική κλιμάκωση προνομίων.

• Παραγωγή διορθώσεων: Οι πράκτορες παράγουν διορθώσεις που αντιμετωπίζουν κάθε ευπάθεια που εντοπίστηκε.

• Ανθρώπινος έλεγχος: Οι ερευνητές ασφάλειας εξετάζουν το exploit, τη διόρθωση και την προτεινόμενη βαθμίδα σοβαρότητας πριν υποβάλουν αναφορά στους συντηρητές.

Στο τέλος της ροής εργασιών, το σύστημα συγκεντρώνει ανάλυση της βασικής αιτίας, ελάχιστο κώδικα επίδειξης που προκαλεί κατάρρευση, προτεινόμενη διόρθωση και πλήρες exploit, ώστε να βοηθήσει τους ερευνητές να αξιολογήσουν τη σοβαρότητα της ευπάθειας και να ενσωματώσουν τις διορθώσεις στο κύριο έργο.

Δεν σχετίζεται κάθε γραμμή κώδικα του πυρήνα Linux με την ασφάλεια. Η ροή εργασιών μας χρησιμοποίησε μια ομάδα πρακτόρων ανίχνευσης για να εντοπίσει στόχους ελέγχου υψηλής αξίας, οι οποίοι στη συνέχεια ανατέθηκαν σε πράκτορες ανάλυσης για σάρωση ευπαθειών.

Οι πράκτορες ανίχνευσης διαβάζουν κάθε φάκελο και αρχείο και καθορίζουν τους στόχους προς έλεγχο με βάση το αν είναι προσβάσιμοι από χρήστες περιορισμένων προνομίων και τη σημασία τους για την ασφάλεια.

Σε αυτό το στάδιο εντοπίστηκαν 5.034 στόχοι ελέγχου, περίπου 2,8 εκατομμύρια γραμμές κώδικα, δηλαδή περίπου το 7% της συνολικής βάσης κώδικα του πυρήνα Linux. Έτσι μειώθηκε σημαντικά το κόστος του ελέγχου ασφάλειας σε σύγκριση με την ανάλυση ολόκληρης της βάσης κώδικα. Αυτό το βήμα κόστισε 3.426 δολάρια σε μονάδες API.

Στη συνέχεια, οι πράκτορες ανάλυσης ανέλυσαν κάθε στόχο ελέγχου και παρήγαγαν πιθανά ευρήματα, χρησιμοποιώντας μια ροή εργασιών παρόμοια με εκείνη του plugin Codex Security⁠(ανοίγει σε νέο παράθυρο). Σε γενικές γραμμές, οι πράκτορες ανάλυσης διαβάζουν τον κώδικα του στόχου ελέγχου που τους έχει ανατεθεί, ώστε να κατανοήσουν τη λειτουργία του, να προσδιορίσουν το μοντέλο απειλών του και να αναζητήσουν ευπάθειες.

Μέσα σε 12 ώρες, οι πράκτορες ανάλυσης παρήγαγαν 2.308 πιθανά ευρήματα, μετά την αφαίρεση των διπλοτύπων. Αυτό το στάδιο κόστισε 316.549 δολάρια σε μονάδες API.

Ένα πιθανό εύρημα δεν ισοδυναμεί με επικυρωμένη ευπάθεια. Σε αυτή την κλίμακα, η χειροκίνητη διερεύνηση κάθε αναφοράς δεν είναι πρακτικά εφικτή για την ερευνητική μας ομάδα.

Επομένως, εστιάσαμε στην επικύρωση ευρημάτων που α) ήταν προσβάσιμα από χρήστη περιορισμένων προνομίων, β) δεν απαιτούσαν ειδικά δικαιώματα και γ) παρήγαγαν μετρήσιμα στοιχεία αλλοίωσης μνήμης.

Για κάθε πιθανό εύρημα, ένας πράκτορας διαλογής δημιουργούσε κώδικα επίδειξης και τον εκτελούσε σε απομονωμένη εικονική μηχανή με πυρήνα Linux και Kernel Address Sanitizer (KASAN). Ο πράκτορας παρακολουθούσε τόσο την έξοδο του προγράμματος όσο και την κονσόλα του συστήματος και βελτίωνε επαναληπτικά τον κώδικα επίδειξης, μέχρι να αναπαραγάγει την αναφερόμενη συμπεριφορά ή να εξαντλήσει τους πιθανούς τρόπους ενεργοποίησής της.

Μέσα σε 30 ώρες, το σύστημά μας αναπαρήγαγε 1.724 ευπάθειες, περίπου το 74,7% των 2.308 πιθανών ευρημάτων. Η στατική εξέταση κώδικα από μόνη της μπορεί να δώσει ψευδώς θετικά αποτελέσματα. Γι’ αυτό μας εντυπωσίασαν η ακρίβεια των πρακτόρων ανάλυσης και η αποτελεσματικότητα των πρακτόρων διαλογής, που δημιούργησαν αυτόνομα λειτουργικό κώδικα επίδειξης για σχεδόν τα τρία τέταρτα των πιθανών ευρημάτων.

Τα περισσότερα από τα υπόλοιπα ευρήματα είτε απαιτούσαν αυξημένα προνόμια είτε δεν αναπαράχθηκαν εντός του διαθέσιμου χρόνου λόγω δύσκολων συνθηκών ανταγωνισμού, ειδικών συνθηκών ενεργοποίησης (π.χ. απαιτούμενη αποτυχία δέσμευσης μνήμης σε συγκεκριμένη γραμμή) ή χρονοβόρας επικύρωσης (π.χ. κυκλική υπερχείλιση μετρητή αναφορών). Μόνο το 3,1% οφειλόταν σε λανθασμένη ανάλυση από το μοντέλο, όπου η αναφερόμενη ευπάθεια προϋπέθετε μια αδύνατη συνθήκη.

Το στάδιο επικύρωσης κόστισε συνολικά 73.330 δολάρια σε μονάδες API. Παρατηρήσαμε ότι στη ροή επικύρωσής μας, η οποία έπρεπε να δημιουργεί κώδικα επίδειξης για να επιβεβαιώνει αν ένα πιθανό εύρημα ήταν πραγματική ευπάθεια, η διαδικασία αυτή ήταν ακριβότερη από μια σύσταση βασισμένη μόνο σε στατική ανάλυση. Επίσης, το κόστος της προσπάθειας επικύρωσης ήταν παρόμοιο για τα αληθώς και τα ψευδώς θετικά ευρήματα. Επομένως, η αφαίρεση των ψευδώς θετικών ευρημάτων σε νωρίτερο στάδιο καθιστά τη διαδικασία αισθητά πιο αποδοτική οικονομικά.

Η επικύρωση επιβεβαιώνει ότι μια ευπάθεια είναι πραγματική, όχι όμως πόσο επείγουσα είναι η αντιμετώπισή της. Για παράδειγμα, μια ευπάθεια που θα μπορούσε να επιτρέψει τοπική κλιμάκωση προνομίων αξίζει υψηλότερη προτεραιότητα από μία που θα μπορούσε να προκαλέσει μόνο τοπική άρνηση υπηρεσίας. Με 1.724 επικυρωμένες ευπάθειες, το επόμενο βήμα ήταν να εντοπιστούν τα ευρήματα με τον μεγαλύτερο πιθανό αντίκτυπο στην ασφάλεια.

Ένας πράκτορας αρχικής διαλογής εξέτασε στατικά κάθε αναφορά, αρχείο καταγραφής κατάρρευσης και σχετικό πηγαίο κώδικα. Εφάρμοζε σκόπιμα ελαστικά κριτήρια, ώστε να μην απορρίπτει δυνητικά σοβαρά ευρήματα, ενώ απέκλειε περιπτώσεις χωρίς εύλογη διαδρομή εκμετάλλευσης. Έτσι, τα αποτελέσματα περιορίστηκαν σε 313 πιθανές ευπάθειες διαρροής πληροφοριών και 1.238 πιθανές ευπάθειες τοπικής κλιμάκωσης προνομίων.

Στη συνέχεια, πράκτορες ανάπτυξης exploit (ExploitDev) δοκίμασαν αυτές τις πιθανές ευπάθειες σε απομονωμένες εικονικές μηχανές με ενεργοποιημένες τις προστασίες μιας τυπικής διανομής Linux, όπως οι Supervisor Mode Execution Prevention (SMEP), Supervisor Mode Access Prevention (SMAP), Kernel Address Space Layout Randomization (KASLR) και HARDENED_USERCOPY. Αυτό βοήθησε να αποφευχθούν μη ρεαλιστικές αξιολογήσεις που προϋπέθεταν απενεργοποιημένες προστασίες.

Οι πράκτορες παρήγαγαν 291 κώδικες επίδειξης για διαρροές πληροφοριών και 1.169 λειτουργικά exploit τοπικής κλιμάκωσης προνομίων, τα οποία θα μπορούσαν να δώσουν πρόσβαση root σε τοπικούς χρήστες χωρίς προνόμια.

Πραγματοποιήσαμε ανάλυση παραλλαγών και αναπτύξαμε 948 διακριτές διορθώσεις για τις ευπάθειες στις οποίες βασίζονταν αυτά τα exploit. Χρησιμοποιούμε αυτόν τον αριθμό για να προσδιορίσουμε τον συνολικό αριθμό μοναδικών ευπαθειών LPE. Η ανάπτυξη των επιτυχημένων exploit κόστισε κατά μέσο όρο 359 δολάρια σε μονάδες. Έτσι, οι υπεύθυνοι άμυνας μπορούν να ελέγχουν τη δυνατότητα εκμετάλλευσης των ευπαθειών που εντοπίζουν με σχετικά χαμηλό κόστος.

Ο πράκτορας αρχικής διαλογής ευπαθειών κόστισε 44.194 δολάρια σε μονάδες API. Το στάδιο εκμετάλλευσης κόστισε συνολικά 775.929 δολάρια σε μονάδες API: 84.929 δολάρια για την επεξεργασία πιθανών ευπαθειών διαρροής πληροφοριών και 691.000 δολάρια για πιθανές ευπάθειες τοπικής κλιμάκωσης προνομίων.

Κατά μέσο όρο, η επεξεργασία μιας πιθανής ευπάθειας τοπικής κλιμάκωσης προνομίων (558 δολάρια) κόστιζε περίπου το διπλάσιο από την επεξεργασία μιας πιθανής ευπάθειας διαρροής πληροφοριών (271 δολάρια). Αυτό συνέβαινε επειδή τα PoC διαρροής πληροφοριών προέρχονταν από το στάδιο επικύρωσης και απαιτούσαν λιγότερες τροποποιήσεις για να μπορούν να χρησιμοποιηθούν σε exploit. Αντίθετα, η ανάπτυξη exploit από μια πιθανή ευπάθεια LPE απαιτούσε πολλά πρόσθετα βήματα, όπως σχεδιασμό στρατηγικής εκμετάλλευσης, εντοπισμό ευπαθών αντικειμένων προς χρήση, παράκαμψη μηχανισμών προστασίας και άλλα. Παρατηρήσαμε επίσης ότι οι αποτυχημένες προσπάθειες εκμετάλλευσης (3.922 δολάρια για 69 περιπτώσεις) κόστιζαν πολύ περισσότερο από τις επιτυχημένες (360 δολάρια για 1.169 περιπτώσεις). Αυτό οφειλόταν σε λίγες ευπάθειες που ήταν δύσκολο να αξιοποιηθούν (π.χ. συνθήκες ανταγωνισμού). Ο καθορισμός μιας εύλογης συνθήκης διακοπής, όπως η εγκατάλειψη της προσπάθειας μετά από μία ώρα χωρίς πρόοδο, θα είχε μειώσει σημαντικά το κόστος του ExploitDev.

Για κάθε επικυρωμένη ευπάθεια, το σύστημα παράγει επίσης μια διόρθωση. Παρέχουμε στο μοντέλο τον σχετικό πηγαίο κώδικα και του δίνουμε οδηγίες για βέλτιστες πρακτικές σύνταξης διορθώσεων, όπως η εκτέλεση στατικών ελέγχων στη διόρθωση, η τήρηση των πρακτικών ανάπτυξης λογισμικού που χρησιμοποιούνται στον γειτονικό κώδικα και η ανάλυση παραλλαγών, ώστε να διασφαλίζεται η πληρότητα της διόρθωσης.

Ακολουθώντας την πρόταση της κοινότητας του πυρήνα Linux, έχουμε ήδη στείλει εκατοντάδες αναφορές και διορθώσεις για κρίσιμες ευπάθειες και συνεργαζόμαστε με εταίρους του Patch the Planet για τη σταδιακή αποστολή διορθώσεων για τις υπόλοιπες. Αυτή η εργασία αποτελεί μέρος της ευρύτερης δέσμευσής μας, μέσω του Daybreak, να υποστηρίζουμε έργα ανοιχτού κώδικα.

Σε αυτή την ενότητα παρουσιάζουμε όσα μάθαμε, τις παρατηρήσεις μας και πρόσθετη ανάλυση από αυτή την έρευνα.

Κατά τη διάρκεια αυτής της έρευνας, παρατηρήσαμε ότι οι συντηρητές του Linux κινούνταν γρήγορα για να διορθώσουν ευπάθειες και να προστατεύσουν τους χρήστες. Η σάρωση πραγματοποιήθηκε στην τελευταία έκδοση του πυρήνα Linux στα μέσα Οκτωβρίου 2026. Όταν ολοκληρώθηκαν η αυτόνομη σάρωση και η χειροκίνητη ανάλυση, μετά από 10 ημέρες, 61 ευπάθειες LPE είχαν ήδη διορθωθεί στο κύριο έργο, 43 διέθεταν διορθώσεις υπό προετοιμασία και 299 αναφέρονταν και συζητούνταν δημόσια.

Εκτιμούμε ιδιαίτερα την άμεση κινητοποίηση των συντηρητών του Linux για τη διόρθωση των προβλημάτων που εντοπίστηκαν, καθώς και τη συνεισφορά ευρημάτων από την ευρύτερη κοινότητα ασφάλειας. Αυτή η συλλογική ανταπόκριση είναι απαραίτητη για την προστασία του λογισμικού παγκοσμίως. Ο γρήγορος ρυθμός γνωστοποίησης και διόρθωσης ευπαθειών υπογραμμίζει επίσης πόσο κρίσιμο είναι οι χρήστες και οι εταιρείες να διατηρούν το λογισμικό τους ενημερωμένο.

Συμπέρασμα: Η αυτοματοποιημένη διαλογή πρέπει να λαμβάνει υπόψη τον ταχύ κύκλο διορθώσεων. Η εκ νέου επικύρωση των ευρημάτων με βάση τον πιο πρόσφατο κώδικα, συμπεριλαμβανομένου του νέου κώδικα που ενσωματώθηκε μετά την αρχική σάρωση, βοηθά στην αποφυγή διπλών ή παρωχημένων αναφορών. Έτσι, η προσοχή εστιάζεται στις ανεπίλυτες ευπάθειες και οι συντηρητές λαμβάνουν αξιοποιήσιμα στοιχεία, χωρίς περιττό πρόσθετο φόρτο ελέγχου.

Κατά την ανάπτυξη της ροής εργασιών, στα τέλη Ιουλίου 2026, το GPT‑5.6 Sol εντόπισε και εκμεταλλεύτηκε 166 μοναδικές ευπάθειες LPE, με συνολικό κόστος 513.690 δολάρια σε μονάδες API.

Στη δεύτερη σάρωση, στα μέσα Οκτωβρίου 2026, το νεότερο μοντέλο κυβερνοασφάλειας εντόπισε και εκμεταλλεύτηκε 948 μοναδικές ευπάθειες LPE, με συνολικό κόστος 1.213.430 δολάρια σε μονάδες API. Και στις δύο εκστρατείες, σαρώσαμε την τότε πιο πρόσφατη έκδοση του κλάδου master του πυρήνα Linux.

Συμπέρασμα: Καθώς βελτιώνονται οι δυνατότητες των μοντέλων, σαρώστε ξανά κώδικα που έχει ήδη ελεγχθεί. Ένα πιο ικανό μοντέλο μπορεί να αποκαλύψει ευπάθειες που διέφυγαν από προηγούμενα μοντέλα, ακόμη και με τον ίδιο ερευνητικό μηχανισμό.

Επιλέξαμε δείγμα 166 exploit που ανέπτυξαν οι πράκτορες και αναλύσαμε τις τεχνικές εκμετάλλευσης που χρησιμοποιήθηκαν σε αυτά. Από όσο γνωρίζουμε, οι πράκτορες χρησιμοποίησαν 10 νέες τεχνικές εκμετάλλευσης στα exploit του δείγματος. Μοιραστήκαμε τις τεχνικές με εξωτερικούς ειδικούς στην εκμετάλλευση ευπαθειών πυρήνα και ήταν νέες και για εκείνους.

Από τις 10 τεχνικές, δύο αφορούν νέα μόνιμα ελαστικά αντικείμενα, τα οποία το μοντέλο χρησιμοποίησε για μαζική τοποθέτηση αντικειμένων στη στοχευμένη κρυφή μνήμη του πυρήνα. Δύο είναι νέες τεχνικές διαμόρφωσης σελίδων μνήμης για πιο αξιόπιστα exploit. Πέντε είναι νέες τεχνικές που επηρεάζουν μόνο δεδομένα, για κλιμάκωση προνομίων απευθείας ή μέσω αυθαίρετης εγγραφής. Η τελευταία τεχνική αφορά αυθαίρετη σύγχυση τύπων. Για λόγους ασφάλειας, δεν δημοσιεύουμε τις πλήρεις τεχνικές λεπτομέρειες αυτών των νέων τεχνικών εκμετάλλευσης σε αυτή την ανάρτηση.

Συμπέρασμα: Τα κορυφαία μοντέλα δεν περιορίζονται στην αναγνώριση γνωστών μοτίβων ευπαθούς κώδικα ή στη χρήση γνωστών τεχνικών εκμετάλλευσης· επιδεικνύουν δημιουργικότητα και νέες προσεγγίσεις.

Σημαντικό μέρος της αποστολής της ομάδας μας είναι να μετρά το κόστος εντοπισμού και εκμετάλλευσης ευπαθειών και να χρησιμοποιεί αυτά τα στοιχεία για να καθοδηγεί τις επενδύσεις στην άμυνα. Στόχος μας είναι να βοηθούμε τους υπεύθυνους άμυνας να διορθώνουν ευπάθειες πριν τις αξιοποιήσουν οι επιτιθέμενοι και να καταστήσουμε απαγορευτικό το κόστος εκμετάλλευσης λογισμικού για τους επιτιθέμενους. Η μέτρηση του κόστους εκμετάλλευσης μας βοηθά να αξιολογούμε πώς αλλάζει αυτή η πρόκληση καθώς βελτιώνονται οι δυνατότητες των μοντέλων. Σε αυτή την ενότητα συγκρίνουμε το κόστος εκτέλεσης της ροής εργασιών μας με τις αμοιβές προγραμμάτων εντοπισμού ευπαθειών για τις ευπάθειες που βρέθηκαν.

Οι εικονικές μηχανές-στόχοι στο πείραμά μας εκτελούσαν ένα λειτουργικό σύστημα επιτραπέζιου υπολογιστή με τις προεπιλεγμένες ρυθμίσεις του, όχι έναν στόχο με εξασθενημένη ασφάλεια, με το ίδιο μοντέλο απειλών που χρησιμοποιούν διαγωνισμοί κυβερνοασφάλειας (π.χ. Pwn2Own⁠(ανοίγει σε νέο παράθυρο), TyphoonPWN⁠(ανοίγει σε νέο παράθυρο)). Στο παρελθόν, οι διαγωνισμοί Pwn2Own και TyphoonPWN πρόσφεραν αμοιβές 20.000 και 70.000 δολαρίων αντίστοιχα για exploit τοπικής κλιμάκωσης προνομίων στον πυρήνα Linux. Αν εφαρμόσουμε αυτά τα ιστορικά ποσά αμοιβών στα 948 exploit, προκύπτει υποθετική αποτίμηση 18,9–66,3 εκατ. δολαρίων, περίπου 16 έως 55 φορές το κόστος της ροής εργασιών μας.

Δοκιμάσαμε επίσης τη ροή εργασιών μας στο πρόγραμμα αμοιβών για ευπάθειες kernelCTF⁠(ανοίγει σε νέο παράθυρο) της Google, το οποίο έχει ως στόχο έναν θωρακισμένο πυρήνα Linux με μειωμένες επιφάνειες επίθεσης. Εκτελέσαμε τη ροή εργασιών στην τελευταία έκδοση του πυρήνα Linux, στο περιβάλλον του kernelCTF, και παρήγαγε 25 κώδικες επίδειξης διαρροής πληροφοριών και 21 exploit τοπικής κλιμάκωσης προνομίων. Η έκδοση αυτή ήταν ασύμβατη με τον μηχανισμό προστασίας SLAB_VIRTUAL του kernelCTF, οπότε τον αφαιρέσαμε από τη διαμόρφωση. Συγκριτικά, κατά τη σύνταξη αυτού του κειμένου, το kernelCTF είχε δεχτεί 26 επιβεβαιωμένα exploit LPE μηδενικής ημέρας μέσα στο 2026. Η συνολική εκστρατεία διήρκεσε 112 ώρες και κόστισε περίπου 32.936 δολάρια σε μονάδες API, με τον εντοπισμό ευπαθειών να αντιστοιχεί στο 83,7% του κόστους API. Αν το πρόγραμμα δεχόταν τις 21 ευπάθειες, η συνολική αμοιβή θα ήταν περίπου 1,5 εκατ. δολάρια, περίπου 45 φορές το κόστος.

Συμπέρασμα: Με βάση τα δημοσιευμένα ποσά αμοιβών και με τα σημερινά μοντέλα που διαθέτουν δυνατότητες κυβερνοασφάλειας, η ροή έρευνας ευπαθειών μας απέδιδε καθαρό κέρδος κατά τον χρόνο της έρευνας. Οι υπεύθυνοι άμυνας πρέπει να αναλύουν προληπτικά το λογισμικό τους, ώστε το κόστος εκμετάλλευσής του να γίνει απαγορευτικό για τους επιτιθέμενους.

Κατά την αξιολόγηση της δυνατότητας εκμετάλλευσης, οι πράκτορες ExploitDev λάμβαναν μια αναφορά ευπάθειας και καλούνταν να δημιουργήσουν ένα πλήρως λειτουργικό exploit. Η ροή εργασιών μας χαρακτήριζε μια ευπάθεια ως επιτυχώς εκμεταλλευμένη αν είχε αποκτηθεί κέλυφος root. Σε μια πρώιμη εκτέλεση, το στάδιο εκμετάλλευσης ανέφερε 200 επιτυχή exploit τοπικής κλιμάκωσης προνομίων. Ωστόσο, μετά από ανθρώπινο έλεγχο, διαπιστώσαμε ότι 20 από αυτά είχαν αποκτήσει προνόμια root μέσω διαφορετικής ευπάθειας μηδενικής ημέρας από εκείνη που τους είχε ανατεθεί. Αυτό δείχνει ότι ακόμη και η επιτυχής εκμετάλλευση από πράκτορες χρειάζεται κατάλληλη επικύρωση.

Στη συνέχεια, αυστηροποιήσαμε τους περιορισμούς της εργασίας και προσθέσαμε έναν ανεξάρτητο έλεγχο, ο οποίος επιβεβαίωνε ότι κάθε τελικό exploit χρησιμοποιούσε την ευπάθεια που του είχε ανατεθεί.

Συμπέρασμα: Στην αυτόνομη έρευνα ασφάλειας, επαληθεύστε όχι μόνο το ίδιο το αποτέλεσμα, αλλά και τη διαδρομή που οδήγησε σε αυτό· η απομόνωση, η παρακολούθηση και οι ανεξάρτητοι έλεγχοι είναι απαραίτητα μέτρα.

Στην αρχή αυτής της έρευνας, εξετάσαμε αν θα έπρεπε να δημιουργήσουμε ένα εκτεταμένο επίπεδο ενορχήστρωσης γύρω από τον πράκτορα, ώστε να βελτιώσουμε τις δυνατότητές του στην κυβερνοασφάλεια. Το αποτέλεσμά μας έδειξε ότι τα ισχυρότερα μοντέλα χρειάζονται λιγότερη ενορχήστρωση και καθοδήγηση. Και η οριακή βελτίωση δεν δικαιολογεί το κόστος συντήρησης. Έτσι, αποφασίσαμε να αφαιρέσουμε το εκτεταμένο επίπεδο ενορχήστρωσης.

Το πείραμα συνέκρινε το GPT‑5.5 Cyber με το GPT‑5.6 Cyber. Παρατηρήσαμε ότι το GPT‑5.5 Cyber δεν αναγνώριζε με συνέπεια πότε και πώς να εφαρμόσει υπάρχουσες τεχνικές εκμετάλλευσης του πυρήνα Linux. Στη συνέχεια, συγκεντρώσαμε 103 τεχνικές σε μορφή εύχρηστη για το μοντέλο, τις διαθέσαμε στο περιβάλλον του πράκτορα και του ζητήσαμε να τις χρησιμοποιήσει. Σε 63 υποψήφιες ευπάθειες προς εκμετάλλευση, αυτό αύξησε το ποσοστό επιτυχίας από 76,2% σε 88,9%.

Όταν επαναλάβαμε τη διαδικασία με το GPT‑5.6 Cyber, το μοντέλο μπορούσε να βρίσκει, να επιλέγει και να εφαρμόζει μόνο του τις κατάλληλες τεχνικές πιο αποτελεσματικά. Αφαιρέσαμε την ενορχήστρωση τεχνικών/δεξιοτήτων και αυτή η ροή εργασιών του GPT‑5.6 Cyber, με περιορισμένη ενορχήστρωση, ξεπέρασε σε απόδοση τη ροή του GPT‑5.5 Cyber που διέθετε εκτενέστερη υποστήριξη. Η επαναφορά του πρόσθετου επιπέδου τεχνικών στο GPT‑5.6 Cyber προσέφερε μόνο οριακή βελτίωση 1,5 ποσοστιαίας μονάδας.

Συμπέρασμα: Επανεξετάζετε την ενορχήστρωση και τον μηχανισμό σας καθώς αλλάζουν οι δυνατότητες του βασικού μοντέλου. Η υποστηρικτική δομή που βελτιώνει ουσιαστικά μια γενιά μοντέλων μπορεί να προσφέρει μικρό όφελος σε ένα ισχυρότερο μοντέλο και πρέπει να αξιολογείται σε σχέση με το κόστος συντήρησής της.

Αρχικά, όταν ζητούσαμε απευθείας από το μοντέλο να παράγει προτεινόμενες διορθώσεις, δημιουργούσε λειτουργικά ορθές διορθώσεις που αντιμετώπιζαν τον κώδικα επίδειξης, αλλά περιστασιακά εισήγαγαν άλλα προβλήματα: περισσότερο κώδικα από όσο χρειαζόταν, πιθανές επιπτώσεις στην απόδοση, αποκλίσεις από τις συμβάσεις κώδικα ή παράλειψη εξέτασης σχετικού κώδικα για παραλλαγές της ίδιας ευπάθειας, με αποτέλεσμα ελλιπείς διορθώσεις.

Πρόσθετες οδηγίες και διαδοχικές βελτιώσεις στη διαδικασία παραγωγής διορθώσεων αναβάθμισαν την ποιότητά τους. Αυτό δείχνει ότι, με τον κατάλληλο χειρισμό, οι διορθώσεις ασφάλειας που παράγει η ΤΝ μπορούν να είναι ορθές, λιτές και συνεπείς με τις υπάρχουσες συμβάσεις κώδικα. Πρόκειται για ενεργό πεδίο έρευνας και πιστεύουμε ότι η διαδικασία θα γίνει ευκολότερη και αποτελεσματικότερη με τα μελλοντικά μοντέλα. Σε λίγες περιπτώσεις, το ερευνητικό μας πρωτότυπο μπόρεσε επίσης να εντοπίσει προβλήματα σε διορθώσεις που είχαν γράψει ειδικοί, τα οποία στη συνέχεια διορθώθηκαν πριν από την ενσωμάτωσή τους.

Συμπέρασμα: Τα μοντέλα μπορούν να επιταχύνουν τη διαδικασία διόρθωσης, αλλά οι δεξιότητες και οι μηχανισμοί παραγωγής διορθώσεων ενδέχεται να χρειάζονται επαναληπτικές βελτιώσεις, ώστε οι διορθώσεις να καλύπτουν αξιόπιστα τόσο τις λειτουργικές όσο και τις μη λειτουργικές απαιτήσεις. Επιπλέον, συνιστούμε τη χρήση μοντέλων για έλεγχο διορθώσεων, γραμμένων από ανθρώπους ή παραγόμενων από ΤΝ, από τη σκοπιά ενός επιτιθέμενου. Έτσι μπορούν να εντοπιστούν προβλήματα όπως η δυνατότητα παράκαμψης μιας διόρθωσης, η παράλειψη άλλων διαδρομών επίθεσης ή παραλλαγών και άλλα.

Στην εκτέλεσή μας στο kernelCTF, πέρα από τα 21 exploit μηδενικής ημέρας του πυρήνα Linux, το ερευνητικό μας πρωτότυπο εντόπισε και εκμεταλλεύτηκε επίσης μια ευπάθεια του QEMU TCG. Στον πράκτορα ανάλυσης ανατέθηκε η εξέταση του κώδικα εισόδου κλήσεων συστήματος και, ενώ έγραφε προγράμματα για να πειραματιστεί με μεταβάσεις προνομίων, συνάντησε μια απροσδόκητη κατάρρευση του πυρήνα. Διερεύνησε την κατάρρευση και εντόπισε την πηγή του προβλήματος στο QEMU TCG, χωρίς πρόσβαση στον πηγαίο κώδικα του QEMU, και συμπεριέλαβε την ευπάθεια στην αναφορά. Στη συνέχεια, ο πράκτορας ExploitDev ανέπτυξε επιτυχώς ένα exploit τοπικής κλιμάκωσης προνομίων για αυτή την ευπάθεια. Ανακαλύψαμε αυτή την ευπάθεια του QEMU κατά τη χειροκίνητη ανάλυση των exploit και επιβεβαιώσαμε ότι είχε διορθωθεί στο κύριο έργο QEMU, αλλά όχι στη διανεμόμενη έκδοση που χρησιμοποιήθηκε στο πείραμα.

Συμπέρασμα: Τα κορυφαία μοντέλα με δυνατότητες κυβερνοασφάλειας μπορούν να βρίσκουν ευπάθειες στην υποδομή δοκιμών. Συνιστούμε τον έλεγχο κάθε τμήματος της υποδομής πριν από τη διεξαγωγή επιθετικής έρευνας ευπαθειών. Έχουμε ελέγξει προληπτικά την υποδομή μας, γνωστοποιώντας και διορθώνοντας πολλές ευπάθειες στα Kata, Moby/Docker, gVisor και άλλα έργα.

Στόχος μας είναι να μετατρέψουμε τις αυξανόμενες δυνατότητες των μοντέλων σε διαρκές πλεονέκτημα για όσους προστατεύουν το διαδίκτυο. Η έρευνα αυτή δείχνει ότι οι αυξανόμενες δυνατότητες των κορυφαίων μοντέλων στην κυβερνοασφάλεια μπορούν να αξιοποιηθούν για την αποτελεσματική αναζήτηση ευπαθειών σε σύνθετο λογισμικό, όπως ο πυρήνας Linux. Η θωράκιση κρίσιμων έργων λογισμικού, όπως το Linux και άλλα έργα ανοιχτού κώδικα, μπορεί να προστατεύσει πολλά συστήματα και χρήστες που βασίζονται σε αυτά.

Μέσω του Patch the Planet, μιας πρωτοβουλίας του Daybreak, επιδιώκουμε να επεκτείνουμε αυτή την έρευνα σε περισσότερα κρίσιμα έργα λογισμικού και να αναπτύξουμε αξιόπιστη αυτοματοποιημένη δημιουργία διορθώσεων, σε συνεργασία με συντηρητές και εταίρους στον τομέα της ασφάλειας. Θέλουμε να μειώνουμε σταθερά τις ευκαιρίες των επιτιθέμενων και να αυξάνουμε το κόστος εντοπισμού και εκμετάλλευσης ευπαθειών, μέχρι το αναμενόμενο όφελος να μην δικαιολογεί πλέον την επίθεση.

Κάθε γενιά μοντέλων θα πρέπει να μας βοηθά να δημιουργούμε λογισμικό που η επόμενη γενιά θα δυσκολεύεται περισσότερο να παραβιάσει. Θα συνεχίσουμε να εργαζόμαστε για ένα ασφαλές διαδίκτυο, στο οποίο όλοι θα μπορούν να δημιουργούν με χαρά.