OpenAI

4 નવેમ્બર, 2026

સુરક્ષાપ્રકાશન

રૂટ સુધી પહોંચવાના હજાર રસ્તા ઓછા

અમે સુરક્ષા ખામીઓ શોધવા, દુરુપયોગ ચકાસવા અને પૅચ બનાવવા સ્વાયત્ત પ્રક્રિયા વિકસાવી. સાયબર મોડલ સાથે એક વાર ચલાવતાં તેણે $12 લાખના API ખર્ચે Linuxમાં સ્થાનિક વિશેષાધિકાર વધારતી 948 ખામીઓ ચકાસી અને પૅચ બનાવ્યા.

લોડિંગ…

એક સમયે સુરક્ષા સંશોધનમાં દરેક ખામી માટે અલગ અને સતત તપાસ જરૂરી હતી; હવે તેને વધુ ને વધુ વ્યવસ્થિત પ્રક્રિયા તરીકે ચલાવી શકાય છે. આ દસ્તાવેજમાં આ ક્ષેત્રના અમારા એક પ્રયાસની ચર્ચા છે.

સુરક્ષા ખામીઓની શોધનો વ્યાપ વધારવો સરળ બની રહ્યો છે, પરંતુ પ્રાથમિકતા નક્કી કરવી અને ચકાસણી કરવી હજી પણ કામગીરીમાં અવરોધરૂપ છે. અમે નિયંત્રિત સંશોધન વાતાવરણમાં Linux કર્નલની સુરક્ષા ખામીઓ શોધવા માટે પ્રાયોગિક પ્રણાલી બનાવી. અમારી પ્રાયોગિક પ્રણાલીએ Linux કર્નલની 2,308 સંભવિત ખામીઓ ઓળખીને તેમનું વિશ્લેષણ કર્યું, પ્રોગ્રામ ચલાવીને 1,724 સુરક્ષા ખામીઓ ફરી સર્જી અને સ્થાનિક વિશેષાધિકાર વધારતાં 948 એક્સપ્લોઇટ (LPE) બનાવ્યાં, જેનાથી વિશેષાધિકાર વગરના સ્થાનિક વપરાશકર્તાને રૂટ ઍક્સેસ મળી શકે.

અમે આ પુરાવાનો ઉપયોગ સુરક્ષા ખામીઓની જાણ કરવા માટે પ્રાથમિકતા નક્કી કરવામાં કર્યો અને જાળવણીકર્તાઓની સમીક્ષા માટે સૂચિત પૅચ વિકસાવ્યા. Linux કર્નલ સમુદાયના માર્ગદર્શન અનુસાર, અમે ગંભીર સુરક્ષા ખામીઓથી શરૂઆત કરી અને વધુ અહેવાલો તથા પૅચ માટે પૅચ ધ પ્લેનેટના ભાગીદારો સાથે કામ કરી રહ્યા છીએ.

જૂનમાં, અમારી પૅચ ધ પ્લેનેટ પહેલના ભાગરૂપે અમે જણાવ્યું હતું કે GPT‑5.5 Cyber એ Linux કર્નલની સુરક્ષા ખામીઓ ઓળખી હતી અને તેમની ચકાસણી કરીને જાણ કરવા માટે સ્થાનિક વિશેષાધિકાર વધારતાં 24 એક્સપ્લોઇટ વિકસાવ્યાં હતાં. અમે આ કાર્યને આગામી સાયબર મોડલથી સંચાલિત પ્રક્રિયાશૃંખલામાં વિસ્તાર્યું, જેમાં સુરક્ષા ખામીઓની શોધ, પ્રોગ્રામ ચલાવીને ચકાસણી, દુરુપયોગની શક્યતાનું મૂલ્યાંકન અને પૅચ નિર્માણ સામેલ છે. પ્રક્રિયા પૂરી થયા પછી માનવ સંશોધકોએ પરિણામોની સમીક્ષા કરી અને મળી આવેલી સુરક્ષા ખામીઓની પૅચ સાથે જાણ કરી.

સારાંશ

પદ્ધતિ

  • મુખ્યત્વે, અમારી પ્રક્રિયાશૃંખલા આ રીતે કામ કરે છે: પહેલાં તે Linux કર્નલના સુરક્ષા માટે પ્રસ્તુત ભાગો ઓળખે છે, પછી તપાસ માટે પસંદ કરેલા એ ભાગોને ચલાવ્યા વિના સંભવિત ખામીઓ માટે સ્કૅન કરે છે, અલગ રાખેલા વાતાવરણમાં તેમને ચલાવીને ફરી સર્જે છે, દુરુપયોગ શક્ય હોવાનું દર્શાવતો પ્રાયોગિક પુરાવો (PoC) ધરાવતું એક્સપ્લોઇટ બનાવે છે, પૅચ તૈયાર કરે છે અને અંતે માનવ સુરક્ષા સંશોધક પરિણામોની સમીક્ષા કરે છે.

  • પ્રક્રિયાશૃંખલાના પરિણામમાં મૂળ કારણનું વિશ્લેષણ, ક્રૅશ સર્જતો ન્યૂનતમ પ્રાયોગિક પુરાવો, સૂચિત પૅચ અને સંપૂર્ણ એક્સપ્લોઇટ સામેલ હોય છે. તે માનવ સંશોધકોને સુરક્ષા ખામીની ગંભીરતા આંકવામાં અને સુધારા મૂળ પ્રોજેક્ટમાં સામેલ કરાવવામાં મદદ કરે છે.

તારણો

  • ઑક્ટોબર 2026ના મધ્યમાં ચલાવેલી પ્રક્રિયામાં, આગામી સાયબર મોડલનો ઉપયોગ કરતી અમારી પ્રક્રિયાશૃંખલાએ પ્રોગ્રામ ચલાવીને 1,724 સુરક્ષા ખામીઓ ફરી સર્જી. તેણે સામાન્ય રીતે વપરાતા Linux વિતરણ માટે માહિતી લીક થવાની 291 ખામીઓના પ્રાયોગિક પુરાવા અને સ્થાનિક વિશેષાધિકાર વધારતાં 948 કાર્યરત એક્સપ્લોઇટ (LPE) બનાવ્યાં. આ સમગ્ર પ્રક્રિયામાં API ક્રેડિટ્સનો ખર્ચ $1,213,430, એટલે કે પ્રતિ LPE એક્સપ્લોઇટ $1,279 થયો.

  • લક્ષિત વર્ચ્યુઅલ મશીનોમાં પ્રમાણભૂત ડેસ્કટૉપ ઑપરેટિંગ સિસ્ટમ ચાલતી હતી, જાણીજોઈને નબળી કરેલી સિસ્ટમ નહીં. તેમાં સાયબર સુરક્ષા સ્પર્ધાઓ (જેમ કે Pwn2Own⁠(નવી વિન્ડોમાં ખૂલે છે), TyphoonPWN⁠(નવી વિન્ડોમાં ખૂલે છે)) જેવું જ ખતરાનું મોડેલ વપરાયું હતું. અગાઉ Pwn2Own અને TyphoonPWN એ Linux કર્નલના LPE એક્સપ્લોઇટ માટે અનુક્રમે $20,000 અને $70,000નાં ખામી શોધવાનાં ઇનામ આપ્યાં હતાં. અગાઉની આ ઇનામી રકમો 948 એક્સપ્લોઇટ પર લાગુ કરતાં તેમનું કાલ્પનિક મૂલ્ય $18.9 મિલિયનથી $66.3 મિલિયન થાય છે, જે અમારી પ્રક્રિયાશૃંખલાના ખર્ચથી આશરે 16થી 55 ગણું છે.

  • હુમલા માટે ઉપલબ્ધ ભાગો ઓછા કરેલા Linux કર્નલના સંસ્કરણ ધરાવતા અનુકૂલિત kernelCTF⁠(નવી વિન્ડોમાં ખૂલે છે) વાતાવરણમાં અમારી પ્રક્રિયાશૃંખલાએ માહિતી લીક થવાના 25 પ્રાયોગિક પુરાવા અને 21 LPE એક્સપ્લોઇટ મેળવ્યાં. સરખામણી માટે, આ લખાઈ રહ્યું છે ત્યાં સુધીમાં kernelCTF એ 2026માં 26 પુષ્ટિ થયેલાં ઝીરો-ડે LPE એક્સપ્લોઇટ સ્વીકાર્યાં છે.

    • આ અભિયાનમાં API ક્રેડિટ્સનો ખર્ચ આશરે $32,936 થયો. જો કાર્યક્રમ આ 21 સુરક્ષા ખામીઓ સ્વીકારે, તો આશરે $1.5 મિલિયનનું ઇનામ મળે, જે સ્કૅનિંગના ખર્ચથી લગભગ 45 ગણું છે.

  • અમારી જાણ મુજબ, આ પ્રક્રિયાશૃંખલાના એજન્ટોએ Linuxની સુરક્ષા ખામીઓનો દુરુપયોગ કરવાની ઓછામાં ઓછી 10 નવી તકનીકો શોધી અને વાપરી હતી.

વિચારમંથન

  • Linuxના જાળવણીકર્તાઓ અને સુરક્ષા સમુદાય સુરક્ષા ખામીઓ ઝડપથી શોધવા અને સુધારવા માટે સખત મહેનત કરી રહ્યા છે. સ્કૅન ચાલી રહ્યું હતું તે 10 દિવસ દરમિયાન અમે જોયું કે Linuxની 100થી વધુ LPE ખામીઓ સુધારાઈ ચૂકી હતી અથવા અન્ય યોગદાનકર્તાઓએ તેમના પૅચ સમીક્ષા માટે તૈયાર કર્યા હતા, અને બીજી લગભગ 300 ખામીઓની જાહેર ચર્ચા થઈ રહી હતી.

  • અત્યાધુનિક મોડલ જે ઝડપે સુરક્ષા ખામીઓ શોધે છે તે જોતાં, જરૂરી ગતિએ સૉફ્ટવેરને સુરક્ષિત કરવા અને દુરુપયોગ માટે ઉપલબ્ધ સમય ઘટાડવા સ્વચાલિત પૅચ નિર્માણ અનિવાર્ય છે એવું અમે માનીએ છીએ. અમે માનીએ છીએ કે માનવ નિષ્ણાતોના માર્ગદર્શન હેઠળ વારંવાર સુધારવાથી AI દ્વારા બનાવેલા પૅચ કાર્યાત્મક રીતે સાચા, હાલની કોડિંગ શૈલીને અનુરૂપ અને હુમલાના વિવિધ સ્વરૂપો સામે મજબૂત હોઈ શકે છે. આ વધુ સંશોધન માટેનું મહત્ત્વપૂર્ણ ક્ષેત્ર છે.

  • વધુ સક્ષમ મોડલ હાલના કોડમાં નવી સુરક્ષા ખામીઓ શોધી શકે છે, જેમાં ઘણી વાર લાંબા સમયથી રહેલી અને ઓળખવી વધુ મુશ્કેલ હોય તેવી ખામીઓ પણ સામેલ હોય છે. બે સ્કૅન વચ્ચે ત્રણ મહિના સુધી સુરક્ષા મજબૂત કરાઈ હોવા છતાં, ઑક્ટોબરના મધ્યમાં નવા સાયબર મોડલનો ઉપયોગ કરતી અમારી વિશ્લેષણ પ્રક્રિયાશૃંખલાએ જુલાઈમાં GPT‑5.6 Sol સાથે ચલાવેલી પ્રક્રિયા કરતાં પાંચ ગણાથી વધુ નવી LPE ખામીઓ શોધી.

  • મોટા, જટિલ સૉફ્ટવેર પ્રોજેક્ટમાં છુપાયેલી ખામીઓના “મૂળ સુધી પહોંચવા” માટે કદાચ અનેક વાર સ્કૅન કરીને સુરક્ષા ખામીઓ સુધારવી પડે. આદર્શ રીતે, અત્યાધુનિક મોડલની દરેક નવી પેઢી સાથે આ પ્રક્રિયા ફરી કરવી જોઈએ. આ માલિકીહકવાળા અને મુક્ત-સ્રોત બંને પ્રકારના સૉફ્ટવેરને લાગુ પડે છે.

  • નજીકના અને મધ્યમ ગાળામાં, જે ઑપરેટિંગ સિસ્ટમમાં નવીનતમ ઉપલબ્ધ પૅચ લાગુ કરાયા ન હોય તેમાં ઓછા વિશેષાધિકારવાળા ખાતાની પહોંચને, પૂરતાં સંસાધનો ધરાવતા હુમલાખોર માટે, વ્યવહારિક રીતે રૂટ ઍક્સેસ સમકક્ષ ગણવી જોઈએ. દુરુપયોગ થયેલી સુરક્ષા ખામીઓથી થતી અસરનો વ્યાપ મર્યાદિત કરવા બહુસ્તરીય સુરક્ષા, સૅન્ડબૉક્સ અને Firecracker તથા gVisor જેવી અલગીકરણ પદ્ધતિઓનો ઉપયોગ મહત્ત્વપૂર્ણ છે.

  • અમારું માનવું છે કે આગામી થોડાં વર્ષોમાં, કોઈ સૉફ્ટવેર પ્રોજેક્ટમાં સુરક્ષા ખામીઓ હશે તો અત્યાધુનિક મોડલ સંભવતઃ તેમને શોધી શકશે, અને જાહેર થયા પછી ઓછાં સક્ષમ મોડલ પણ તેમના એક્સપ્લોઇટ વિકસાવી શકશે. જ્યારે કોઈ સુરક્ષા ખામી અજાણી ન રહે એવા વિશ્વમાં, ઉચ્ચ સ્તરની ખાતરી ધરાવતું સૉફ્ટવેર બનાવવું અને જાળવવું અત્યંત જરૂરી બનશે, ખાસ કરીને ઑપરેટિંગ સિસ્ટમ, બ્રાઉઝર, છબીઓનું પાર્સિંગ કરતી લાઇબ્રેરી, TCP/IP સ્ટૅક અને અન્ય પાયાના સૉફ્ટવેર માટે. હાલની સુરક્ષા ખામીઓ શોધવા અને સુધારવા ઉપરાંત, મોડલને મૂળભૂત રીતે જ સુરક્ષિત કોડ લખવાની તાલીમ આપવામાં રોકાણ, બિનજરૂરી સુવિધાઓ દૂર કરીને હુમલા માટે ઉપલબ્ધ ભાગો ઘટાડવા અને ઔપચારિક ચકાસણી કરવી—આ બધાં સૉફ્ટવેર સુરક્ષાનો અસરકારક રીતે વ્યાપ વધારવા માટે ભવિષ્યના સંશોધનનાં આશાસ્પદ ક્ષેત્રો છે.

ચાળણી આલેખમાં 2,308 સંભવિત ખામીઓ, 1,724 ચકાસાયેલી ખામીઓ અને તેમાંથી માહિતી લીક થવાના 313 સંભવિત કિસ્સા તથા સ્થાનિક વિશેષાધિકાર વધવાના 1,238 સંભવિત કિસ્સાની પસંદગી દર્શાવાઈ છે. અંતે માહિતી લીક થવાના 291 કાર્યરત પ્રાયોગિક પુરાવા અને સ્થાનિક વિશેષાધિકાર વધારતાં 948 કાર્યરત એક્સપ્લોઇટ મળ્યાં. કુલ API ક્રેડિટ્સ: $1.2 મિલિયન. સાંકેતિક આલેખ; પહોળાઈઓ પ્રમાણસર નથી.

Linux કર્નલ શા માટે

Linux કર્નલ અબજો લોકો દ્વારા વપરાતાં Android ઉપકરણો, ક્લાઉડ માળખાં, સુપરકમ્પ્યુટર અને અન્ય સિસ્ટમોનો પાયો છે. કોડની ચાર કરોડથી વધુ પંક્તિઓ ધરાવતું કર્નલ સિસ્ટમ કૉલ, નેટવર્કિંગ, ફાઇલસિસ્ટમ અને ઉપકરણ ડ્રાઇવર દ્વારા હુમલા માટે વ્યાપક અવકાશ ઊભો કરે છે. આટલા મોટા અને મહત્ત્વપૂર્ણ કોડસંગ્રહમાં અત્યાધુનિક મોડલ કેટલી અસરકારક રીતે સુરક્ષા ખામીઓ શોધી શકે અને સુરક્ષા પર તેમની અસર દર્શાવી શકે તેનો અભ્યાસ કરવા અમે Linux પસંદ કર્યું.

સુરક્ષા ખામીઓની શોધના પ્રારંભિક તબક્કામાં હજારો સંભવિત ખામીઓ મળી. સુરક્ષા સંશોધકો જાતે તેમની સમીક્ષા અને પ્રાથમિક તપાસ કરી શકે તેના કરતાં આ સંખ્યા ઘણી વધારે હતી. અમારી સુરક્ષા ખામી શોધ પ્રક્રિયાશૃંખલાનો વ્યવહારિક પડકાર ખામીઓ શોધવાનો નહોતો, પરંતુ કઈ ખામીઓ ફરી સર્જી શકાય, તે કઈ સુરક્ષા સીમા પાર કરે છે અને કઈ ખામીઓ પર જાળવણીકર્તાઓએ સૌથી પહેલાં ધ્યાન આપવું જોઈએ તે નક્કી કરવાનો હતો.

ખર્ચનું વિશ્લેષણ

OpenAIની સાયબર ટીમનું ધ્યેય વિશ્વ જેના પર આધાર રાખે છે તે સૉફ્ટવેરને સુરક્ષિત કરવામાં મદદ કરવાનું છે. આ કાર્ય ફરી કરવા અને વિસ્તારવા માટે જરૂરી સંસાધનોનો અંદાજ સંશોધકો લગાવી શકે તે માટે અમે દરેક તબક્કાનો API ખર્ચ જણાવીએ છીએ. આ ખર્ચ આ મૂલ્યાંકનમાં વપરાયેલાં મોડલ, લક્ષ્યની રૂપરેખાઓ અને કાર્યપ્રક્રિયાને પ્રતિબિંબિત કરે છે. અમારો વ્યાપક હેતુ સુરક્ષાકર્મીઓને સુરક્ષા ખામીઓ શોધવા અને સુધારવામાં મદદ કરવાનો છે, જેથી હુમલાખોરોને મળતી તકો ઘટે અને સૉફ્ટવેરની ખામીઓનો દુરુપયોગ કરવાનો તેમનો ખર્ચ વધે.

અંતે, નોંધો કે આ સંશોધનમાં અમે પદ્ધતિ અને મોડલની ક્ષમતા માપવા પર ધ્યાન કેન્દ્રિત કર્યું હતું, ખર્ચ પર નહીં. અમારી અપેક્ષા છે કે કાર્યપ્રણાલીમાં પૂરતા તકનીકી સુધારા કરવાથી દરેક તબક્કાનો ખર્ચ નોંધપાત્ર રીતે ઘટાડી શકાય. તેથી અહીં જણાવેલો ખર્ચ મહત્તમ મર્યાદાના અંદાજ જેવો વધુ છે.

સુરક્ષા ખામી સંશોધનની પ્રક્રિયાશૃંખલા

સુરક્ષા ખામી સંશોધન માટેની અમારી પ્રાયોગિક પ્રણાલી પાંચ તબક્કાની પ્રક્રિયાશૃંખલા છે, જેના કેન્દ્રમાં આગામી સાયબર મોડલ છે:

  • સુરક્ષા ખામીઓની શોધ: એજન્ટો કોડસંગ્રહના સુરક્ષા સાથે સંબંધિત ભાગો ઓળખે છે અને સંભવિત ખામીઓ માટે તેમને સ્કૅન કરે છે.

  • ચલાવીને ચકાસણી: એજન્ટો દરેક સંભવિત ખામીને અલગ વાતાવરણમાં ફરી સર્જવાનો પ્રયાસ કરે છે અને પ્રોગ્રામ ચાલે તે સમયના પુરાવા સાચવે છે. આ પગલાના પરિણામે ફરી સર્જાયેલી અને પુષ્ટિ થયેલી સુરક્ષા ખામીઓ મળે છે.

  • દુરુપયોગની શક્યતાનું મૂલ્યાંકન: એજન્ટો ચકાસે છે કે પુષ્ટિ થયેલી સુરક્ષા ખામીઓથી માહિતી જાહેર થઈ શકે અથવા સ્થાનિક વિશેષાધિકાર વધી શકે કે નહીં.

  • પૅચ નિર્માણ: એજન્ટો દરેક ઓળખાયેલી સુરક્ષા ખામીને સુધારતા પૅચ બનાવે છે.

  • માનવ સમીક્ષા: જાળવણીકર્તાઓને જાણ કરતાં પહેલાં સુરક્ષા સંશોધકો એક્સપ્લોઇટ, પૅચ અને સૂચિત ગંભીરતાની સમીક્ષા કરે છે.

Linux કર્નલની સુરક્ષા ખામીઓના સ્વાયત્ત સંશોધનની પ્રક્રિયાશૃંખલાનો આલેખ: સુરક્ષા ખામીઓની શોધથી સંભવિત ખામીઓ મળે છે, પ્રોગ્રામ ચલાવીને ચકાસણી કરવાથી માન્ય અહેવાલો બને છે, દુરુપયોગની શક્યતાના મૂલ્યાંકનથી સ્થાનિક વિશેષાધિકાર વધારતાં પુષ્ટિ થયેલાં એક્સપ્લોઇટ મળે છે, પૅચ નિર્માણથી સૂચિત પૅચ બને છે અને કર્નલના જાળવણીકર્તાઓને જાણ કરતાં પહેલાં માનવ સંશોધકો પરિણામોની સમીક્ષા કરે છે.

પ્રક્રિયાશૃંખલાના અંતે સિસ્ટમ મૂળ કારણનું વિશ્લેષણ, ક્રૅશ સર્જતો ન્યૂનતમ પ્રાયોગિક પુરાવો, સૂચિત પૅચ અને સંપૂર્ણ એક્સપ્લોઇટ એકત્ર કરે છે, જેથી માનવ સંશોધકોને સુરક્ષા ખામીની ગંભીરતા આંકવામાં અને સુધારા મૂળ પ્રોજેક્ટમાં સામેલ કરાવવામાં મદદ મળે.

સુરક્ષા ખામીઓની શોધ

Linux કર્નલમાં કોડની દરેક પંક્તિ સુરક્ષા સાથે સંબંધિત નથી હોતી. અમારી પ્રક્રિયાશૃંખલાએ તપાસ માટે મહત્ત્વપૂર્ણ લક્ષ્યો ઓળખવા શોધક એજન્ટોની ટીમનો ઉપયોગ કર્યો. ત્યારબાદ સુરક્ષા ખામીઓ માટે સ્કૅન કરવા આ લક્ષ્યો વિશ્લેષક એજન્ટોને સોંપવામાં આવ્યાં.

સુરક્ષા ખામીઓની શોધની કાર્યપ્રક્રિયા: શોધક એજન્ટો કર્નલમાં તપાસ માટે મહત્ત્વપૂર્ણ લક્ષ્યો શોધીને તેમની પ્રાથમિકતા નક્કી કરે છે. ત્યારબાદ વિશ્લેષક એજન્ટો સંભવિત સુરક્ષા ખામીઓ શોધવા માટે લક્ષ્યોનું વિશ્લેષણ કરે છે અને ચેતવણીઓ બનાવે છે.

શોધક એજન્ટો

શોધક એજન્ટો દરેક ફોલ્ડર અને ફાઇલ વાંચે છે અને ઓછા વિશેષાધિકારવાળા વપરાશકર્તાઓની પહોંચ તથા સુરક્ષા સાથેની પ્રસ્તુતતાના આધારે કયા લક્ષ્યોની તપાસ કરવી તે નક્કી કરે છે.

આ તબક્કે તપાસ માટે 5,034 લક્ષ્યો ઓળખાયાં, જેમાં કોડની લગભગ 28 લાખ પંક્તિઓ હતી. આ સમગ્ર Linux કર્નલના કોડનો આશરે 7% ભાગ છે, જેના કારણે સમગ્ર કોડના વિશ્લેષણની સરખામણીમાં સુરક્ષા તપાસનો ખર્ચ ઘણો ઘટ્યો. આ પગલામાં API ક્રેડિટ્સનો ખર્ચ $3,426 થયો.

વિશ્લેષક એજન્ટો

ત્યારબાદ, વિશ્લેષક એજન્ટોએ તપાસનાં દરેક લક્ષ્યનું વિશ્લેષણ કર્યું અને Codex સુરક્ષા પ્લગઇન⁠(નવી વિન્ડોમાં ખૂલે છે) જેવી કાર્યપ્રક્રિયા વાપરીને સંભવિત ખામીઓ શોધી. મુખ્યત્વે, વિશ્લેષક એજન્ટો તેમને સોંપાયેલા તપાસના લક્ષ્યનો કોડ વાંચીને તેની કામગીરી સમજે છે, તેના ખતરાનું મોડેલ ઓળખે છે અને તેમાં સુરક્ષા ખામીઓ શોધે છે.

12 કલાકમાં વિશ્લેષક એજન્ટોએ, પુનરાવર્તિત નોંધો દૂર કર્યા પછી, 2,308 સંભવિત ખામીઓ શોધી. આ તબક્કે API ક્રેડિટ્સનો ખર્ચ $316,549 થયો.

સુરક્ષા ખામીઓની ચકાસણી

સંભવિત ખામી મળવી અને સુરક્ષા ખામીની પુષ્ટિ થવી એ એક જ બાબત નથી. આટલા મોટા પાયે દરેક અહેવાલની જાતે તપાસ કરવી અમારી સંશોધન ટીમ માટે વ્યવહારુ નથી.

તેથી અમે એવી ખામીઓની ચકાસણી પર ધ્યાન કેન્દ્રિત કર્યું કે જે અ) ઓછા વિશેષાધિકારવાળા વપરાશકર્તાની પહોંચમાં હોય, બ) કોઈ વિશેષ ક્ષમતાઓની જરૂર ન ધરાવતી હોય અને ક) મેમરી બગડ્યાનો માપી શકાય એવો પુરાવો આપતી હોય.

પ્રાથમિક તપાસનો એજન્ટ સુરક્ષા ખામીની ચેતવણીને પ્રાયોગિક પુરાવામાં ફેરવે છે, તેને વર્ચ્યુઅલ મશીનમાં ચલાવે છે અને કન્સોલ આઉટપુટના આધારે વારંવાર સુધારે છે તે દર્શાવતો ચક્રીય આલેખ.

દરેક સંભવિત ખામી માટે, પ્રાથમિક તપાસના એજન્ટે પ્રાયોગિક પુરાવો તૈયાર કર્યો અને તેને કર્નલ ઍડ્રેસ સૅનિટાઇઝર (KASAN) ધરાવતું Linux કર્નલ ચલાવતા અલગ વર્ચ્યુઅલ મશીનમાં ચલાવ્યો. એજન્ટે પ્રોગ્રામનું આઉટપુટ અને સિસ્ટમ કન્સોલ બંનેનું નિરીક્ષણ કર્યું. પછી નોંધાયેલ વર્તન ફરી સર્જાય અથવા તેને સર્જવાની બધી સંભવિત રીતો અજમાવી લેવાય ત્યાં સુધી પ્રાયોગિક પુરાવામાં વારંવાર સુધારો કર્યો.

30 કલાકમાં અમારી સિસ્ટમે 1724 સુરક્ષા ખામીઓ ફરી સર્જી, જે 2,308 સંભવિત ખામીઓના લગભગ 74.7% જેટલી હતી. કોડ ચલાવ્યા વિના માત્ર તેની સમીક્ષા કરવાથી ખોટી રીતે ખામી હોવાનું તારણ નીકળી શકે છે. તેથી લગભગ ત્રણ ચતુર્થાંશ સંભવિત ખામીઓ માટે સ્વાયત્ત રીતે કાર્યરત પ્રાયોગિક પુરાવા બનાવવામાં વિશ્લેષક એજન્ટોની ચોકસાઈ અને પ્રાથમિક તપાસના એજન્ટોની અસરકારકતાથી અમે પ્રભાવિત થયાં.

બાકીની મોટાભાગની ખામીઓ માટે કાં તો ઊંચા વિશેષાધિકારો જરૂરી હતા, અથવા જટિલ રેસ કન્ડિશન, ચોક્કસ સક્રિયકરણ શરતો (જેમ કે કોઈ ચોક્કસ પંક્તિએ મેમરી ફાળવણી નિષ્ફળ જવી જરૂરી હોય) કે વધુ સમય લેતી ચકાસણી (જેમ કે સંદર્ભ ગણતરી મર્યાદા વટાવીને ફરી શરૂઆતથી ગણાવા લાગે)ને કારણે નક્કી કરેલા સમયમાં તેમને ફરી સર્જી શકાઈ નહીં. માત્ર 3.1% કિસ્સામાં મોડલનું વિશ્લેષણ ખોટું હતું, જેમાં નોંધાયેલી સુરક્ષા ખામી કોઈ અશક્ય સ્થિતિની ધારણા પર આધારિત હતી.

ચકાસણીના તબક્કે API ક્રેડિટ્સનો કુલ ખર્ચ $73,330 થયો. અમારી ચકાસણી પ્રક્રિયાશૃંખલામાં સંભવિત ખામી વાસ્તવિક છે કે નહીં તેની પુષ્ટિ માટે પ્રાયોગિક પુરાવો બનાવવો જરૂરી હતો. અમે જોયું કે આ પ્રક્રિયા માત્ર કોડ ચલાવ્યા વિનાના વિશ્લેષણના આધારે ભલામણ કરવા કરતાં વધુ ખર્ચાળ હતી, અને સાચી તથા ખોટી રીતે નોંધાયેલી ખામીની ચકાસણી કરવાનો ખર્ચ લગભગ સરખો હતો. તેથી પ્રક્રિયાશૃંખલામાં વહેલી તકે ખોટી રીતે નોંધાયેલી ખામીઓ દૂર કરવાથી ખર્ચની દૃષ્ટિએ પ્રક્રિયા નોંધપાત્ર રીતે વધુ કાર્યક્ષમ બને છે.

દુરુપયોગની શક્યતાનું મૂલ્યાંકન

ચકાસણીથી સુરક્ષા ખામી વાસ્તવિક હોવાનું સ્થાપિત થાય છે, પરંતુ તેને કેટલી તાકીદે સુધારવી જોઈએ તે નક્કી થતું નથી. ઉદાહરણ તરીકે, સ્થાનિક વિશેષાધિકાર વધારી શકે એવી ખામીને માત્ર સ્થાનિક સેવા બંધ કરી શકે એવી ખામી કરતાં વધુ પ્રાથમિકતા આપવી જોઈએ. 1,724 સુરક્ષા ખામીઓની પુષ્ટિ થયા પછી, આગામી કામ સુરક્ષા પર સૌથી વધુ સંભવિત અસર કરતી ખામીઓ ઓળખવાનું હતું.

પ્રારંભિક છટણીના એજન્ટે દરેક અહેવાલ, ક્રૅશ નોંધ અને સંબંધિત સ્રોત કોડની તેને ચલાવ્યા વિના સમીક્ષા કરી. સંભવિત ગંભીર ખામીઓ ભૂલથી બાકાત ન રહી જાય તે માટે છટણી જાણીજોઈને ઉદાર રાખવામાં આવી, છતાં દુરુપયોગનો કોઈ સંભવિત માર્ગ ન હોય એવા કિસ્સા દૂર કરાયા. આથી પરિણામો ઘટીને માહિતી લીક થવાના 313 સંભવિત કિસ્સા અને સ્થાનિક વિશેષાધિકાર વધવાના 1,238 સંભવિત કિસ્સા રહ્યા.

ત્યારબાદ એક્સપ્લોઇટ વિકસાવતા (ExploitDev) એજન્ટોએ આ કિસ્સાઓને અલગ વર્ચ્યુઅલ મશીનોમાં ચકાસ્યા, જેમાં પ્રમાણભૂત Linux વિતરણનાં સુરક્ષા ઉપાયો સક્રિય હતા. તેમાં સુપરવાઇઝર મોડમાં અમલ અટકાવવો (SMEP), સુપરવાઇઝર મોડમાં ઍક્સેસ અટકાવવી (SMAP), કર્નલ ઍડ્રેસ સ્પેસની ગોઠવણીનું યાદૃચ્છિકીકરણ (KASLR) અને HARDENED_USERCOPY સામેલ હતા. આથી સુરક્ષા ઉપાયો બંધ હોવા પર આધારિત અવાસ્તવિક મૂલ્યાંકનો ટાળવામાં મદદ મળી.

એજન્ટોએ માહિતી લીક થવાના 291 પ્રાયોગિક પુરાવા અને સ્થાનિક વિશેષાધિકાર વધારતાં 1,169 કાર્યરત એક્સપ્લોઇટ બનાવ્યાં, જે વિશેષાધિકાર વગરના સ્થાનિક વપરાશકર્તાઓને રૂટ ઍક્સેસ આપી શકે.

અમે ખામીઓનાં વિવિધ સ્વરૂપોનું વિશ્લેષણ કર્યું અને આ એક્સપ્લોઇટ પાછળની સુરક્ષા ખામીઓ માટે 948 અલગ પૅચ વિકસાવ્યા. અલગ LPE ખામીઓની કુલ સંખ્યા નક્કી કરવા અમે આ સંખ્યાનો ઉપયોગ કરીએ છીએ. સફળ એક્સપ્લોઇટ વિકસાવવા પાછળ સરેરાશ $359ના ક્રેડિટ્સનો ખર્ચ થયો. આથી સુરક્ષાકર્મીઓ માટે મળી આવેલી ખામીઓનો દુરુપયોગ થઈ શકે છે કે નહીં તે ચકાસવું પ્રમાણમાં સસ્તું બને છે.

સુરક્ષા ખામીઓની પ્રારંભિક છટણીના એજન્ટ માટે API ક્રેડિટ્સનો ખર્ચ $44,194 થયો. દુરુપયોગના તબક્કે API ક્રેડિટ્સનો કુલ ખર્ચ $775,929 થયો: માહિતી લીક થવાના સંભવિત કિસ્સાઓ પર કામ કરવા $84,929 અને સ્થાનિક વિશેષાધિકાર વધવાના સંભવિત કિસ્સાઓ માટે $691,000.

સરેરાશ, સ્થાનિક વિશેષાધિકાર વધવાના સંભવિત કિસ્સા પર કામ કરવાનો ખર્ચ ($558) માહિતી લીક થવાના સંભવિત કિસ્સા પર કામ કરવાના ખર્ચ ($271) કરતાં આશરે બમણો હતો. તેનું કારણ એ છે કે માહિતી લીક થવાના પ્રાયોગિક પુરાવા ચકાસણીના તબક્કામાંથી જ મળ્યા હતા અને એક્સપ્લોઇટમાં વાપરવા યોગ્ય બનાવવા માટે તેમાં ઓછા ફેરફારો જરૂરી હતા. બીજી તરફ, સંભવિત LPE ખામીમાંથી એક્સપ્લોઇટ વિકસાવવા માટે દુરુપયોગની વ્યૂહરચના ઘડવી, વાપરવા માટે ખામીયુક્ત ઑબ્જેક્ટ ઓળખવા, સુરક્ષા ઉપાયો પાર કરવા અને અન્ય અનેક વધારાનાં પગલાં જરૂરી હતાં. અમે એ પણ જોયું કે દુરુપયોગના નિષ્ફળ પ્રયાસોનો ખર્ચ (69 કિસ્સાઓ માટે $3,922) સફળ પ્રયાસોના ખર્ચ (1169 કિસ્સાઓ માટે $360) કરતાં ઘણો વધારે હતો. આનું કારણ કેટલીક એવી સુરક્ષા ખામીઓ હતી જેનો દુરુપયોગ કરવો મુશ્કેલ હતો, જેમ કે રેસ કન્ડિશન. પ્રયાસ છોડી દેવાની વાજબી શરત નક્કી કરવાથી, જેમ કે એક કલાક સુધી કોઈ પ્રગતિ ન થાય તો પ્રયાસ અટકાવવો, ExploitDevનો ખર્ચ નોંધપાત્ર રીતે ઘટાડી શકાયો હોત.

પૅચ નિર્માણ

સિસ્ટમ દરેક પુષ્ટિ થયેલી સુરક્ષા ખામી માટે પૅચ પણ બનાવે છે. અમે મોડલને સંબંધિત સ્રોત કોડ આપીએ છીએ અને પૅચ લખવાની શ્રેષ્ઠ પદ્ધતિઓ અંગે સૂચના આપીએ છીએ, જેમ કે પૅચ ચલાવ્યા વિના તેની તપાસ કરવી, આસપાસના કોડમાં વપરાતી સૉફ્ટવેર વિકાસ પદ્ધતિઓ અનુસરવી અને પૅચ સંપૂર્ણ છે તેની ખાતરી માટે ખામીનાં વિવિધ સ્વરૂપોનું વિશ્લેષણ કરવું.

Linux કર્નલ સમુદાયના સૂચન અનુસાર, અમે ગંભીર સુરક્ષા ખામીઓ માટે સેંકડો અહેવાલો અને પૅચ મોકલી ચૂક્યા છીએ. બાકીની ખામીઓના પૅચ ધીમે ધીમે મોકલવા માટે અમે પૅચ ધ પ્લેનેટના ભાગીદારો સાથે કામ કરી રહ્યા છીએ. આ કાર્ય મુક્ત-સ્રોત પ્રોજેક્ટને ટેકો આપવાની અમારી વ્યાપક ડેબ્રેક પ્રતિબદ્ધતાનો ભાગ છે.

તારણો

આ વિભાગમાં અમે આ સંશોધનમાંથી મળેલી શીખ, વિચારો અને વધારાનું વિશ્લેષણ રજૂ કરીએ છીએ.

જાળવણીકર્તાઓ સુરક્ષા ખામીઓ સુધારવા ઝડપથી કામ કરી રહ્યા છે

આ સંશોધન દરમિયાન અમે જોયું કે Linuxના જાળવણીકર્તાઓ સુરક્ષા ખામીઓ સુધારવા અને વપરાશકર્તાઓને સુરક્ષિત રાખવા ઝડપથી કામ કરી રહ્યા છે. ઑક્ટોબર 2026ના મધ્યમાં નવીનતમ Linux કર્નલ પર સ્કૅન કરાયું હતું. 10 દિવસ પછી સ્વાયત્ત સ્કૅન અને માનવ વિશ્લેષણ પૂરાં થયાં ત્યાં સુધીમાં 61 LPE ખામીઓ મૂળ પ્રોજેક્ટમાં સુધારાઈ ચૂકી હતી, 43ના પૅચ સમીક્ષા માટે તૈયાર હતા અને 299ની જાહેર જાણ તથા ચર્ચા થઈ રહી હતી.

ઓળખાયેલી સમસ્યાઓને તાત્કાલિક સુધારવા કામ કરતા Linuxના જાળવણીકર્તાઓ અને પોતાનાં તારણો દ્વારા યોગદાન આપતા વ્યાપક સુરક્ષા સમુદાયની અમે ખૂબ કદર કરીએ છીએ. વિશ્વના સૉફ્ટવેરને સુરક્ષિત કરવા માટે આવી સામૂહિક કામગીરી જરૂરી છે. સુરક્ષા ખામીઓ જાહેર થવાની અને તેમના પૅચ બનવાની ઝડપી ગતિ એ પણ દર્શાવે છે કે વપરાશકર્તાઓ અને કંપનીઓએ સૉફ્ટવેર અદ્યતન રાખવું કેટલું જરૂરી છે.

મુખ્ય શીખ: સ્વચાલિત પ્રાથમિક તપાસમાં પૅચિંગના ઝડપી ચક્રને ધ્યાનમાં લેવું જોઈએ. મૂળ સ્કૅન પછી ઉમેરાયેલા નવા કોડ સહિત નવીનતમ કોડ સામે ખામીઓની ફરી ચકાસણી કરવાથી પુનરાવર્તિત અથવા અપ્રસ્તુત થઈ ગયેલા અહેવાલો ટાળી શકાય છે. આથી ધ્યાન વણઉકેલાયેલી સુરક્ષા ખામીઓ પર કેન્દ્રિત રહે છે અને જાળવણીકર્તાઓને સમીક્ષાનો બિનજરૂરી બોજ વધાર્યા વિના પગલાં લઈ શકાય એવા પુરાવા મળે છે.

વધુ શક્તિશાળી મોડલ વધુ સુરક્ષા ખામીઓ શોધે છે

અમે પ્રક્રિયાશૃંખલા વિકસાવી રહ્યા હતા ત્યારે, જુલાઈ 2026ના અંતમાં GPT‑5.6 Sol એ API ક્રેડિટ્સના કુલ $513,690 ખર્ચે 166 અલગ LPE સુરક્ષા ખામીઓ શોધી અને તેમનો દુરુપયોગ કરી બતાવ્યો.

ઑક્ટોબર 2026ના મધ્યમાં બીજા સ્કૅન દરમિયાન, નવા સાયબર મોડલે API ક્રેડિટ્સના કુલ $1,213,430 ખર્ચે 948 અલગ LPE સુરક્ષા ખામીઓ શોધી અને તેમનો દુરુપયોગ કરી બતાવ્યો. બંને અભિયાનમાં અમે તે સમયની Linux કર્નલની નવીનતમ મુખ્ય શાખાનું સ્કૅન કર્યું.

મુખ્ય શીખ: મોડલની ક્ષમતાઓ સુધરે તેમ અગાઉ તપાસેલા કોડને ફરી સ્કૅન કરો. એક જ સંશોધન કાર્યપ્રણાલી વાપરવામાં આવે તો પણ વધુ સક્ષમ મોડલ એવી સુરક્ષા ખામીઓ શોધી શકે છે જે અગાઉનાં મોડલ ચૂકી ગયાં હોય.

સુરક્ષા ખામીઓના દુરુપયોગની નવી તકનીકો

અમે એજન્ટોએ વિકસાવેલાં 166 એક્સપ્લોઇટના નમૂના પસંદ કર્યા અને તેમાં વપરાયેલી દુરુપયોગની તકનીકોનું વિશ્લેષણ કર્યું. અમારી જાણ મુજબ, નમૂના તરીકે પસંદ કરેલાં એક્સપ્લોઇટમાં એજન્ટોએ દુરુપયોગની 10 નવી તકનીકો વાપરી હતી. અમે આ તકનીકોની માહિતી કર્નલની ખામીઓના દુરુપયોગના સ્વતંત્ર નિષ્ણાતોને આપી અને તેમના માટે પણ આ તકનીકો નવી હતી.

આ 10 તકનીકોમાંથી બે નવા સ્થાયી, કદ બદલી શકાય એવા ઑબ્જેક્ટ છે, જેનો મોડલે લક્ષિત કર્નલ કૅશમાં મોટી સંખ્યામાં ઑબ્જેક્ટ ફાળવવા ઉપયોગ કર્યો; બે એક્સપ્લોઇટની વિશ્વસનીયતા વધારવા મેમરી પૃષ્ઠોની ગોઠવણીની નવી તકનીકો છે; પાંચ સીધા અથવા મનપસંદ સ્થાન પર લખીને વિશેષાધિકાર વધારવાની, માત્ર ડેટામાં ફેરફાર કરતી નવી તકનીકો છે; અને બાકીની તકનીકમાં મનપસંદ પ્રકારની ગૂંચવણ સર્જવાનો સમાવેશ થાય છે. સુરક્ષાનાં કારણોસર, અમે આ લેખમાં દુરુપયોગની આ નવી તકનીકોની સંપૂર્ણ તકનીકી વિગતો આપતા નથી.

મુખ્ય શીખ: અત્યાધુનિક મોડલ માત્ર જાણીતા ખામીયુક્ત કોડની ભાત સાથે સરખામણી કરતા નથી કે માત્ર દુરુપયોગની જાણીતી તકનીકો વાપરતા નથી; તેઓ સર્જનાત્મકતા અને નવા અભિગમ દર્શાવે છે.

એક્સપ્લોઇટના ખર્ચમાંથી સુરક્ષાકર્મીઓ શું શીખી શકે

સુરક્ષા ખામીઓ શોધવાનો અને તેમનો દુરુપયોગ કરવાનો ખર્ચ માપવો તથા એ પુરાવાના આધારે સુરક્ષામાં રોકાણને દિશા આપવી એ અમારી ટીમના ધ્યેયનો મહત્ત્વનો ભાગ છે. અમારો હેતુ હુમલાખોરો સુરક્ષા ખામીઓ વાપરી શકે તે પહેલાં તેમને સુધારવામાં સુરક્ષાકર્મીઓને મદદ કરવાનો અને સૉફ્ટવેરની ખામીઓનો દુરુપયોગ કરવો હુમલાખોરો માટે આર્થિક રીતે પરવડે નહીં એટલો ખર્ચાળ બનાવવાનો છે. દુરુપયોગનો ખર્ચ માપવાથી મોડલની ક્ષમતાઓ સુધરે તેમ આ પડકાર કેવી રીતે બદલાય છે તે આંકવામાં અમને મદદ મળે છે. આ વિભાગમાં અમે અમારી પ્રક્રિયાશૃંખલા ચલાવવાના ખર્ચની સરખામણી ઓળખાયેલી સુરક્ષા ખામીઓ માટે ખામી શોધવાના ઇનામ કાર્યક્રમોમાં મળતી રકમ સાથે કરીએ છીએ.

અમારા પ્રયોગનાં લક્ષિત વર્ચ્યુઅલ મશીનોમાં પ્રમાણભૂત ડેસ્કટૉપ ઑપરેટિંગ સિસ્ટમ ચાલતી હતી, જાણીજોઈને નબળી કરેલી સિસ્ટમ નહીં. તેમાં સાયબર સુરક્ષા સ્પર્ધાઓ (જેમ કે Pwn2Own⁠(નવી વિન્ડોમાં ખૂલે છે), TyphoonPWN⁠(નવી વિન્ડોમાં ખૂલે છે)) જેવું જ ખતરાનું મોડેલ વપરાયું હતું. અગાઉ Pwn2Own અને TyphoonPWN એ Linux કર્નલમાં સ્થાનિક વિશેષાધિકાર વધારતાં એક્સપ્લોઇટ માટે અનુક્રમે $20,000 અને $70,000નાં ખામી શોધવાનાં ઇનામ આપ્યાં હતાં. અગાઉની આ ઇનામી રકમો 948 એક્સપ્લોઇટ પર લાગુ કરતાં તેમનું કાલ્પનિક મૂલ્ય $18.9 મિલિયનથી $66.3 મિલિયન થાય છે, જે અમારી પ્રક્રિયાશૃંખલાના ખર્ચથી આશરે 16થી 55 ગણું છે.

અમે Googleના kernelCTF⁠(નવી વિન્ડોમાં ખૂલે છે) સુરક્ષા ખામી ઇનામ કાર્યક્રમમાં પણ અમારી પ્રક્રિયાશૃંખલા અજમાવી. તેમાં લક્ષ્ય તરીકે વધુ સુરક્ષિત બનાવેલું Linux કર્નલ હોય છે, જેમાં હુમલા માટે ઉપલબ્ધ ભાગો ઓછા કરાયેલા હોય છે. અમે kernelCTFના વાતાવરણમાં Linux કર્નલના નવીનતમ સંસ્કરણ પર પ્રક્રિયાશૃંખલા ચલાવી. આ સંસ્કરણ kernelCTFના SLAB_VIRTUAL સુરક્ષા ઉપાય સાથે સુસંગત ન હોવાથી અમે તેને રૂપરેખામાંથી દૂર કર્યો. અમને માહિતી લીક થવાના 25 પ્રાયોગિક પુરાવા અને સ્થાનિક વિશેષાધિકાર વધારતાં 21 એક્સપ્લોઇટ મળ્યાં. સરખામણી માટે, આ લખાઈ રહ્યું છે ત્યાં સુધીમાં kernelCTF એ 2026માં 26 પુષ્ટિ થયેલાં ઝીરો-ડે LPE એક્સપ્લોઇટ સ્વીકાર્યાં છે. સમગ્ર અભિયાન કુલ 112 કલાક ચાલ્યું અને તેમાં API ક્રેડિટ્સનો ખર્ચ આશરે $32,936 થયો. કુલ API ખર્ચનો 83.7% ભાગ સુરક્ષા ખામીઓની શોધ પાછળ થયો. જો કાર્યક્રમ આ 21 સુરક્ષા ખામીઓ સ્વીકારે, તો આશરે $1.5 મિલિયનનું ઇનામ મળે, જે ખર્ચથી લગભગ 45 ગણું છે.

મુખ્ય શીખ: જાહેર ઇનામી રકમોના આધારે, હાલનાં સાયબર-સક્ષમ મોડલ સાથે અમારી સુરક્ષા ખામી સંશોધન પ્રક્રિયાશૃંખલા આ સંશોધનના સમયે ચોખ્ખો નફો આપી શકે એમ હતી. સુરક્ષાકર્મીઓએ પોતાના સૉફ્ટવેરનું આગોતરું વિશ્લેષણ કરવું જોઈએ, જેથી તેની ખામીઓનો દુરુપયોગ કરવો હુમલાખોરો માટે આર્થિક રીતે પરવડે નહીં.

ખોટી ઝીરો-ડે ખામીનો ઉપયોગ

દુરુપયોગની શક્યતાના મૂલ્યાંકન દરમિયાન ExploitDev એજન્ટોને સુરક્ષા ખામીનો અહેવાલ આપીને સંપૂર્ણપણે કાર્યરત એક્સપ્લોઇટ બનાવવાનું કામ સોંપાયું હતું. રૂટ શેલ સફળતાપૂર્વક મળે તો અમારી પ્રક્રિયાશૃંખલા તે સુરક્ષા ખામીનો દુરુપયોગ સફળ થયો હોવાનું નોંધતી હતી. શરૂઆતની એક પ્રક્રિયા દરમિયાન, દુરુપયોગના તબક્કે સ્થાનિક વિશેષાધિકાર વધારતાં 200 સફળ એક્સપ્લોઇટ નોંધાયાં. પરંતુ માનવ સમીક્ષા પછી અમને જાણવા મળ્યું કે આમાંથી 20એ સોંપાયેલી ખામીને બદલે અન્ય ઝીરો-ડે સુરક્ષા ખામી દ્વારા રૂટ વિશેષાધિકારો મેળવ્યા હતા. આ સૂચવે છે કે એજન્ટો દ્વારા સફળ દુરુપયોગ થયો હોય તો પણ તેની યોગ્ય ચકાસણી જરૂરી છે.

ત્યારબાદ અમે કાર્યની મર્યાદાઓ કડક કરી અને દરેક અંતિમ એક્સપ્લોઇટ તેને સોંપાયેલી ખામી જ વાપરે છે તેની પુષ્ટિ કરતી સ્વતંત્ર તપાસ ઉમેરી.

મુખ્ય શીખ: સ્વાયત્ત સુરક્ષા સંશોધનમાં પરિણામની સાથે તે સુધી પહોંચવાની રીત પણ ચકાસો; અલગીકરણ, દેખરેખ અને સ્વતંત્ર તપાસ જરૂરી નિયંત્રણો છે.

વધુ સક્ષમ મોડલને ઓછા સંકલન અને નિયંત્રણની જરૂર પડી શકે છે

આ સંશોધનની શરૂઆતમાં અમે એ રચનાત્મક નિર્ણય તપાસ્યો કે એજન્ટની સાયબર ક્ષમતા સુધારવા માટે તેની આસપાસ વ્યાપક સંકલન અને નિયંત્રણ વ્યવસ્થા બનાવવી કે નહીં. અમારા પરિણામે સૂચવ્યું કે વધુ શક્તિશાળી મોડલને ઓછા સંકલન, નિયંત્રણ અને પગલેપગલે માર્ગદર્શનની જરૂર પડે છે. અને તેનાથી થતો નજીવો સુધારો જાળવણીના ખર્ચને યોગ્ય ઠેરવતો નથી. તેથી અમે વ્યાપક સંકલન અને નિયંત્રણ વ્યવસ્થા દૂર કરવાનો નિર્ણય લીધો.

પ્રયોગમાં GPT‑5.5 Cyber અને GPT‑5.6 Cyberની સરખામણી કરવામાં આવી. અમારા નિરીક્ષણમાં, Linux કર્નલની ખામીઓના દુરુપયોગની હાલની તકનીકો ક્યારે અને કેવી રીતે વાપરવી તે GPT‑5.5 Cyber સતત યોગ્ય રીતે ઓળખી શકતું નહોતું. ત્યારબાદ અમે 103 તકનીકોને મોડલ માટે સરળ સ્વરૂપમાં ગોઠવી, એજન્ટના વાતાવરણમાં ઉપલબ્ધ કરાવી અને એજન્ટને તેમનો ઉપયોગ કરવા સૂચના આપી. દુરુપયોગની શક્યતા ધરાવતા 63 કિસ્સાઓમાં આથી સફળતા દર 76.2%થી વધીને 88.9% થયો.

અમે GPT‑5.6 Cyber સાથે આ પ્રયોગ ફરી કર્યો ત્યારે મોડલ પોતે જ પ્રસ્તુત તકનીકો શોધવા, પસંદ કરવા અને વાપરવામાં વધુ સક્ષમ હતું. અમે તકનીકો અને કૌશલ્યોનું સંકલન તથા નિયંત્રણ દૂર કર્યું. ઓછા સંકલનવાળી GPT‑5.6 Cyberની આ કાર્યપ્રક્રિયાએ વધુ સહાયક માળખું ધરાવતી GPT‑5.5 Cyberની કાર્યપ્રક્રિયા કરતાં સારું પ્રદર્શન કર્યું. GPT‑5.6 Cyber માટે તકનીકોનું વધારાનું સ્તર ફરી ઉમેરવાથી માત્ર 1.5 ટકાવારી-પૉઇન્ટનો નજીવો સુધારો થયો.

મુખ્ય શીખ: આધારભૂત મોડલની ક્ષમતાઓ બદલાય તેમ તમારી સંકલન વ્યવસ્થા અને કાર્યપ્રણાલીનું ફરી મૂલ્યાંકન કરો. મોડલની એક પેઢીમાં નોંધપાત્ર સુધારો કરતું સહાયક માળખું વધુ શક્તિશાળી મોડલ માટે બહુ ઓછું મૂલ્ય ઉમેરી શકે છે. તેથી તેના લાભ સામે જાળવણીનો ખર્ચ તોળવો જોઈએ.

પુનરાવર્તિત સુધારાથી પૅચ નિર્માણ વધુ સારું બને છે

શરૂઆતમાં, સૂચિત પૅચ બનાવવા સીધી સૂચના અપાતી ત્યારે મોડલ કાર્યાત્મક રીતે સાચા પૅચ બનાવતું હતું, જે પ્રાયોગિક પુરાવાથી દર્શાવાયેલી ખામી અટકાવતા હતા. પરંતુ ક્યારેક અન્ય સમસ્યાઓ પણ સર્જાતી: જરૂર કરતાં વધુ કોડ, કામગીરીની ઝડપ પર સંભવિત અસર, કોડિંગના પ્રચલિત નિયમોથી વિચલન અથવા એ જ ખામીનાં અન્ય સ્વરૂપો માટે સંબંધિત કોડની તપાસ ન કરવી, જેના કારણે પૅચ અધૂરા રહેતા.

વધારાની સૂચનાઓ અને પૅચ બનાવવાની પ્રક્રિયામાં વારંવારના સુધારાથી પૅચની ગુણવત્તા સુધરી. આ સૂચવે છે કે યોગ્ય સંચાલનથી AI દ્વારા બનાવેલા સુરક્ષા પૅચ સાચા, માત્ર જરૂરી ફેરફારો ધરાવતા અને હાલના કોડના પ્રચલિત નિયમોને અનુરૂપ હોઈ શકે છે. આ ક્ષેત્રમાં સક્રિય સંશોધન ચાલી રહ્યું છે અને અમે માનીએ છીએ કે ભવિષ્યના મોડલ સાથે આ વધુ સરળ અને અસરકારક બનશે. કેટલાક કિસ્સાઓમાં અમારી સંશોધન પ્રાયોગિક પ્રણાલી માનવ નિષ્ણાતોએ લખેલા પૅચમાં પણ સમસ્યાઓ ઓળખી શકી હતી, જે પૅચ મૂળ કોડમાં સામેલ થાય તે પહેલાં સુધારવામાં આવી.

મુખ્ય શીખ: મોડલ પૅચિંગની પ્રક્રિયા ઝડપી બનાવી શકે છે, પરંતુ પૅચ કાર્યાત્મક અને બિનકાર્યાત્મક બંને જરૂરિયાતો વિશ્વસનીય રીતે પૂરી કરે તેની ખાતરી કરવા પૅચિંગનાં કૌશલ્યો અને કાર્યપ્રણાલીઓમાં વારંવાર સુધારો કરવો પડી શકે છે. વધુમાં, અમે માનવ અને AI દ્વારા બનાવેલા પૅચની હુમલાખોરના દૃષ્ટિકોણથી સમીક્ષા કરવા મોડલ વાપરવાની ભલામણ કરીએ છીએ. આથી પૅચને બાજુ પર રાખીને હુમલો શક્ય હોવો, હુમલાના અન્ય માર્ગો કે સ્વરૂપો ચૂકી જવાં અને બીજી સમસ્યાઓ ઓળખી શકાય છે.

પરીક્ષણના માળખામાં સુરક્ષા ખામીઓ

kernelCTFમાં ચલાવેલી અમારી પ્રક્રિયા દરમિયાન, Linux કર્નલનાં 21 ઝીરો-ડે એક્સપ્લોઇટ ઉપરાંત, અમારી સંશોધન પ્રાયોગિક પ્રણાલીએ QEMU TCGની સુરક્ષા ખામી પણ શોધી અને તેનો દુરુપયોગ કરી બતાવ્યો. વિશ્લેષક એજન્ટને સિસ્ટમ કૉલના પ્રવેશ કોડનું વિશ્લેષણ સોંપાયું હતું. વિશેષાધિકાર બદલવાના પ્રયોગો માટે પ્રોગ્રામ લખતી વખતે તેને કર્નલનો અણધાર્યો ક્રૅશ જોવા મળ્યો. તેણે ક્રૅશની પ્રાથમિક તપાસ કરી અને QEMUના સ્રોત કોડની પહોંચ વિના સમસ્યાનું મૂળ QEMU TCGમાં શોધી કાઢ્યું તથા અહેવાલમાં આ સુરક્ષા ખામી સામેલ કરી. ત્યારબાદ ExploitDev એજન્ટે આ સુરક્ષા ખામી માટે સ્થાનિક વિશેષાધિકાર વધારતું એક્સપ્લોઇટ સફળતાપૂર્વક વિકસાવ્યું. એક્સપ્લોઇટનું જાતે વિશ્લેષણ કરતી વખતે અમને QEMUની આ ખામી મળી. અમે પુષ્ટિ કરી કે તે મૂળ QEMU પ્રોજેક્ટમાં સુધારાઈ ચૂકી હતી, પરંતુ પ્રયોગમાં વપરાયેલા પ્રકાશિત બિલ્ડમાં સુધારાઈ નહોતી.

મુખ્ય શીખ: અત્યાધુનિક સાયબર-સક્ષમ મોડલ પરીક્ષણના માળખામાં પણ સુરક્ષા ખામીઓ શોધી શકે છે. આક્રમક સુરક્ષા ખામી સંશોધન કરતાં પહેલાં અમે માળખાના દરેક ભાગનું પરીક્ષણ કરવાની ભલામણ કરીએ છીએ. અમે અમારા માળખાનું આગોતરું પરીક્ષણ કર્યું છે અને Kata, Moby/Docker, gVisor તથા અન્ય પ્રોજેક્ટમાં અનેક સુરક્ષા ખામીઓ જાહેર કરીને સુધારી છે.

નિષ્કર્ષ

અમારો હેતુ મોડલની વધતી ક્ષમતાને ઇન્ટરનેટની સુરક્ષા કરતા લોકો માટે લાંબા ગાળાના લાભમાં ફેરવવાનો છે. આ સંશોધન દર્શાવે છે કે અત્યાધુનિક મોડલની વધતી સાયબર ક્ષમતાનો ઉપયોગ Linux કર્નલ જેવા જટિલ સૉફ્ટવેરમાં સુરક્ષા ખામીઓ અસરકારક રીતે શોધવા માટે થઈ શકે છે. Linux અને અન્ય મુક્ત-સ્રોત પ્રોજેક્ટ જેવા મહત્ત્વપૂર્ણ સૉફ્ટવેર પ્રોજેક્ટની સુરક્ષા મજબૂત કરવાથી તેમના પર આધારિત અનેક સિસ્ટમો અને વપરાશકર્તાઓને સુરક્ષિત રાખી શકાય છે.

ડેબ્રેકની પહેલ પૅચ ધ પ્લેનેટ દ્વારા અમે આ સંશોધનને વધુ મહત્ત્વપૂર્ણ સૉફ્ટવેર પ્રોજેક્ટ સુધી વિસ્તારવા અને જાળવણીકર્તાઓ તથા સુરક્ષા ભાગીદારો સાથે મળીને વિશ્વસનીય સ્વચાલિત પૅચિંગ વિકસાવવા માગીએ છીએ. અમે હુમલાખોરોને મળતી તકો સતત ઘટાડવા અને સુરક્ષા ખામીઓ શોધીને તેમનો દુરુપયોગ કરવાનો ખર્ચ વધારવા માગીએ છીએ, જેથી એક તબક્કે હુમલાથી અપેક્ષિત લાભ તેના ખર્ચને યોગ્ય ન ઠેરવે.

મોડલની દરેક પેઢીએ એવું સૉફ્ટવેર બનાવવામાં અમારી મદદ કરવી જોઈએ જેની સુરક્ષા ભેદવી આગામી પેઢી માટે વધુ મુશ્કેલ હોય. અમે એવું સુરક્ષિત ઇન્ટરનેટ બનાવવા માટે કામ કરતા રહીશું જેના પર કોઈ પણ આનંદથી નવું સર્જન કરી શકે.

લેખક

OpenAI