root-წვდომამდე ათასით ნაკლები გზა

უსაფრთხოების კვლევა, რომელიც ადრე თითოეული აღმოჩენისთვის ცალკე, ხანგრძლივ გამოკვლევას მოითხოვდა, სულ უფრო ხშირად შეიძლება სისტემატური პროცესის სახით წარიმართოს. ამ დოკუმენტში ამ მიმართულებით ჩვენს ერთ-ერთ პროექტს განვიხილავთ.

მოწყვლადობების აღმოჩენის მასშტაბის გაზრდა მარტივდება, თუმცა პრიორიტეტების განსაზღვრა და მოწყვლადობების დადასტურება პროცესის შემაფერხებელ რგოლებად რჩება. შევქმენით პროტოტიპი, რომელიც Linux-ის ბირთვში უსაფრთხოების ხარვეზებს კონტროლირებად კვლევით გარემოში ეძებს. ჩვენმა პროტოტიპმა Linux-ის ბირთვში გამოავლინა და გააანალიზა 2 308 შესაძლო პრობლემა, დინამიკურად გაიმეორა 1 724 მოწყვლადობა და შექმნა პრივილეგიების ლოკალური ამაღლების (LPE) 948 ექსპლოიტი, რომელთა საშუალებითაც დაბალი პრივილეგიების მქონე ლოკალურ მომხმარებელს root-წვდომის მოპოვება შეეძლო.

ამ მტკიცებულებებზე დაყრდნობით განვსაზღვრეთ, რომელი მოწყვლადობების შესახებ უნდა გაგვეგზავნა ანგარიშები პირველ რიგში, და პროექტის ტექნიკური გუნდის მიერ განსახილველად პაჩების პროექტები მოვამზადეთ. Linux-ის ბირთვის საზოგადოების რეკომენდაციით, კრიტიკული მოწყვლადობებით დავიწყეთ და შემდგომ ანგარიშებსა და პაჩებზე Patch the Planet-ის პარტნიორებთან ერთად ვმუშაობთ.

ივნისში, ჩვენი Patch the Planet-ის ინიციატივის ფარგლებში, გავაზიარეთ, რომ GPT‑5.5 Cyber-მა Linux-ის ბირთვში მოწყვლადობები აღმოაჩინა და მათ დასადასტურებლად და შესატყობინებლად პრივილეგიების ლოკალური ამაღლების 24 ექსპლოიტი შექმნა. ეს სამუშაო გავაფართოვეთ და ჯერ გამოუშვებელ კიბერმოდელზე დაფუძნებულ სისტემად ვაქციეთ, რომელიც მოიცავს მოწყვლადობების აღმოჩენას, დინამიკურ დადასტურებას, ექსპლუატაციის შესაძლებლობის შეფასებასა და პაჩების გენერაციას. პროცესის დასრულების შემდეგ მკვლევრებმა შედეგები შეამოწმეს და აღმოჩენილი მოწყვლადობების ანგარიშები პაჩებთან ერთად გაგზავნეს.

Linux-ის ბირთვს ეფუძნება Android მოწყობილობები, ღრუბლოვანი ინფრასტრუქტურა, სუპერკომპიუტერები და სხვა სისტემები, რომლებსაც მილიარდობით ადამიანი იყენებს. ბირთვი კოდის 40 მილიონზე მეტ ხაზს შეიცავს და სისტემური გამოძახებების, ქსელური ფუნქციების, ფაილური სისტემებისა და მოწყობილობების დრაივერების მეშვეობით შეტევის ფართო ზედაპირს ქმნის. Linux ავირჩიეთ იმის შესასწავლად, თუ რამდენად ეფექტიანად შეძლებდნენ მოწინავე მოდელები ამ მასშტაბისა და მნიშვნელობის კოდურ ბაზაში მოწყვლადობების პოვნას და უსაფრთხოებაზე მათი გავლენის ჩვენებას.

მოწყვლადობების აღმოჩენის საწყის ეტაპზე ათასობით შესაძლო პრობლემა გამოვლინდა — მეტისმეტად ბევრი იმისთვის, რომ უსაფრთხოების მკვლევრებს ისინი ხელით შეემოწმებინათ და დაეხარისხებინათ. ჩვენი მოწყვლადობების აღმოჩენის ჯაჭვის პრაქტიკული გამოწვევა თვითონ პოვნა კი არ იყო, არამედ იმის დადგენა, რომელი შემთხვევა მეორდებოდა, უსაფრთხოების რომელ საზღვარს არღვევდა და რომელს სჭირდებოდა მხარდამჭერთა ყველაზე სწრაფი ყურადღება.

OpenAI-ის კიბერგუნდის მისიაა იმ პროგრამული უზრუნველყოფის დაცვაში დახმარება, რომელსაც მსოფლიო ეყრდნობა. ყოველი ეტაპის API-ის ხარჯს ვაქვეყნებთ, რათა მკვლევრებს ამ სამუშაოს გამეორებისა და გაფართოებისთვის საჭირო რესურსების შეფასებაში დავეხმაროთ. ეს ხარჯები ასახავს შეფასებისას გამოყენებულ მოდელებს, სამიზნეების კონფიგურაციებსა და სამუშაო პროცესს. ჩვენი უფრო ფართო მიზანია, დამცველებს მოწყვლადობების პოვნასა და აღმოფხვრაში დავეხმაროთ, რითაც თავდამსხმელთა შესაძლებლობებს შევამცირებთ და მათთვის პროგრამული უზრუნველყოფის ექსპლუატაციის ხარჯს გავზრდით.

ბოლოს აღვნიშნავთ, რომ ამ კვლევაში ყურადღება მეთოდოლოგიასა და მოდელის შესაძლებლობების გაზომვაზე გავამახვილეთ და არა ხარჯზე. ვვარაუდობთ, რომ სარტყლის სათანადო საინჟინრო დამუშავებით თითოეული ეტაპის ხარჯი მნიშვნელოვნად შემცირდება. ამიტომ ჩვენ მიერ გამოქვეყნებული ხარჯები უფრო ზედა ზღვარს ასახავს.

მოწყვლადობების კვლევის ჩვენი პროტოტიპი ხუთეტაპიანი ჯაჭვია, რომლის საფუძველიც ჯერ გამოუშვებელი კიბერმოდელია:

• მოწყვლადობების აღმოჩენა: აგენტები კოდური ბაზის უსაფრთხოებისთვის მნიშვნელოვან ნაწილებს ადგენენ და მათ შესაძლო პრობლემების მოსაძებნად სკანირებენ.

• დინამიკური დადასტურება: აგენტები ცდილობენ თითოეული შესაძლო შემთხვევა იზოლირებულ გარემოში გაიმეორონ და შესრულებისას მიღებული მტკიცებულებები შეინახონ. ამ ეტაპის შედეგია გამეორებული და დადასტურებული მოწყვლადობები.

• ექსპლუატაციის შესაძლებლობის შეფასება: აგენტები ამოწმებენ, იძლევა თუ არა დადასტურებული მოწყვლადობები ინფორმაციის გამჟღავნების ან პრივილეგიების ლოკალური ამაღლების შესაძლებლობას.

• პაჩების გენერაცია: აგენტები ქმნიან პაჩებს თითოეული აღმოჩენილი მოწყვლადობის აღმოსაფხვრელად.

• ადამიანის მიერ შემოწმება: უსაფრთხოების მკვლევრები მხარდამჭერებისთვის შეტყობინებამდე ამოწმებენ ექსპლოიტს, პაჩსა და სიმძიმის შემოთავაზებულ შეფასებას.

ჯაჭვის ბოლოს სისტემა ერთ პაკეტში აერთიანებს ძირეული მიზეზის ანალიზს, ავარიული გაჩერების გამომწვევ მინიმალურ სადემონსტრაციო კოდს, პაჩის პროექტსა და სრულ ექსპლოიტს. ეს მკვლევრებს ეხმარება, შეაფასონ მოწყვლადობის სიმძიმე და შესწორებები ძირითად პროექტში შეიტანონ.

Linux-ის ბირთვში კოდის ყველა ხაზი უსაფრთხოებისთვის მნიშვნელოვანი არ არის. ჩვენი სისტემა მზვერავი აგენტების ჯგუფს იყენებდა აუდიტისთვის მნიშვნელოვანი სამიზნეების გამოსავლენად. შემდეგ ეს სამიზნეები ანალიტიკოს აგენტებს გადაეცემოდა მოწყვლადობებზე სკანირებისთვის.

მზვერავი აგენტები ათვალიერებენ ყველა საქაღალდეს და კითხულობენ ფაილებს. აუდიტის სამიზნეებს ისინი არჩევენ იმის მიხედვით, შესაძლებელია თუ არა მათზე წვდომა დაბალი პრივილეგიების მქონე მომხმარებლებისთვის და რამდენად მნიშვნელოვანია ისინი უსაფრთხოებისთვის.

ამ ეტაპზე გამოვლინდა აუდიტის 5 034 სამიზნე, კოდის დაახლოებით 2,8 მილიონი ხაზი, ანუ Linux-ის ბირთვის მთელი კოდური ბაზის დაახლოებით 7%. ამან სრული კოდური ბაზის ანალიზთან შედარებით უსაფრთხოების აუდიტის ხარჯი მნიშვნელოვნად შეამცირა. ეს ეტაპი API-ის კრედიტებში 3 426 აშშ დოლარი დაჯდა.

შემდეგ ანალიტიკოსმა აგენტებმა აუდიტის თითოეული სამიზნე გააანალიზეს და შესაძლო პრობლემები გამოავლინეს Codex Security-ის პლაგინის⁠(იხსნება ახალ ფანჯარაში) მსგავსი სამუშაო პროცესით. ზოგადად, ანალიტიკოსი აგენტები კითხულობენ მათთვის აუდიტის სამიზნედ განსაზღვრულ კოდს, რათა გაიგონ, როგორ მუშაობს ის, განსაზღვრონ მისი საფრთხის მოდელი და მოძებნონ მოწყვლადობები.

12 საათში ანალიტიკოსმა აგენტებმა შესაძლო პრობლემები გამოავლინეს, რომელთა რაოდენობაც დუბლიკატების გამორიცხვის შემდეგ 2 308 იყო. ეს ეტაპი API-ის კრედიტებში 316 549 აშშ დოლარი დაჯდა.

შესაძლო პრობლემის აღმოჩენა ჯერ კიდევ არ ნიშნავს მოწყვლადობის დადასტურებას. ასეთი მასშტაბის პირობებში ჩვენი კვლევითი გუნდი ყველა ანგარიშის ხელით გამოკვლევას პრაქტიკულად ვერ შეძლებდა.

ამიტომ ყურადღება გავამახვილეთ იმ შემთხვევების დადასტურებაზე, რომლებიც: ა) ხელმისაწვდომი იყო დაბალი პრივილეგიების მქონე მომხმარებლისთვის; ბ) არ საჭიროებდა სპეციალურ უფლებებს; გ) მეხსიერების დაზიანების გაზომვად მტკიცებულებას იძლეოდა.

თითოეული შესაძლო პრობლემისთვის შეფასებისა და დახარისხების აგენტი ქმნიდა მოწყვლადობის დამადასტურებელ კოდს და უშვებდა მას იზოლირებულ ვირტუალურ მანქანაში, სადაც Linux-ის ბირთვი Kernel Address Sanitizer-ით (KASAN) მუშაობდა. აგენტი აკვირდებოდა როგორც პროგრამის მიერ გამოტანილ მონაცემებს, ისე სისტემის კონსოლს, შემდეგ კი სადემონსტრაციო კოდს ეტაპობრივად ხვეწდა, სანამ აღწერილ ქცევას არ გაიმეორებდა ან მისი გამოწვევის ყველა შესაძლო გზას არ ამოწურავდა.

30 საათში ჩვენმა სისტემამ გაიმეორა 1 724 მოწყვლადობა, ანუ 2 308 შესაძლო პრობლემის დაახლოებით 74,7%. მხოლოდ კოდის სტატიკურმა შემოწმებამ შეიძლება ცრუ დადებითი შედეგები მოგვცეს. ამიტომ შთამბეჭდავი იყო ანალიტიკოსი აგენტების სიზუსტე და შეფასებისა და დახარისხების აგენტების ეფექტიანობა: მათ შესაძლო პრობლემების თითქმის სამი მეოთხედისთვის ავტონომიურად შექმნეს მოქმედი სადემონსტრაციო კოდი.

დარჩენილი შემთხვევების უმეტესობა ან ამაღლებულ პრივილეგიებს მოითხოვდა, ან გამოყოფილ დროში ვერ განმეორდა რთული შეჯიბრების მდგომარეობების, სპეციფიკური გამომწვევი პირობების (მაგ., კონკრეტულ ხაზზე მეხსიერების გამოყოფის აუცილებელი წარუმატებლობის) ან შემოწმებისთვის საჭირო ხანგრძლივი დროის გამო (მაგ., ობიექტზე მიმართვების მრიცხველის ციკლური გადავსება). მხოლოდ 3,1% იყო მოდელის მცდარი ანალიზის შედეგი, როცა აღწერილი მოწყვლადობა შეუძლებელ პირობას ეფუძნებოდა.

დადასტურების ეტაპი API-ის კრედიტებში სულ 73 330 აშშ დოლარი დაჯდა. ამ ეტაპზე სისტემას სადემონსტრაციო კოდის შექმნა სჭირდებოდა იმის შესამოწმებლად, წარმოადგენდა თუ არა შესაძლო პრობლემა რეალურ მოწყვლადობას. დავინახეთ, რომ ეს პროცესი უფრო ძვირი იყო, ვიდრე მხოლოდ სტატიკურ ანალიზზე დაფუძნებული რეკომენდაციის გაცემა. ამასთან, რეალური და ცრუ დადებითი შედეგების გადამოწმების მცდელობები თითქმის ერთნაირი ჯდებოდა. ამიტომ ადრეულ ეტაპზე ცრუ დადებითი შედეგების გამორიცხვა პროცესის ხარჯეფექტიანობას მნიშვნელოვნად ზრდის.

დადასტურება ადგენს, რომ მოწყვლადობა რეალურია, მაგრამ არა იმას, რამდენად სასწრაფოდ უნდა აღმოიფხვრას ის. მაგალითად, მოწყვლადობას, რომელიც პრივილეგიების ლოკალურ ამაღლებას შესაძლებელს ხდის, უფრო მაღალი პრიორიტეტი უნდა მიენიჭოს, ვიდრე ისეთს, რომელიც მხოლოდ სერვისის ლოკალურ გათიშვას იწვევს. 1 724 მოწყვლადობის დადასტურების შემდეგ მომდევნო ამოცანა უსაფრთხოებაზე ყველაზე დიდი შესაძლო გავლენის მქონე შემთხვევების გამოვლენა იყო.

პირველადი შერჩევის აგენტმა სტატიკურად შეამოწმა თითოეული ანგარიში, ავარიული შეწყვეტის ჟურნალი და შესაბამისი საწყისი კოდი. შერჩევის კრიტერიუმები განზრახ რბილი იყო, რათა შესაძლო სერიოზული პრობლემები არ გამოგვერიცხა, თუმცა იფილტრებოდა შემთხვევები, რომლებსაც ექსპლუატაციის რეალისტური გზა არ ჰქონდა. შედეგად, დარჩა ინფორმაციის გაჟონვის 313 და პრივილეგიების ლოკალური ამაღლების 1 238 შესაძლო შემთხვევა.

შემდეგ ექსპლოიტების შემქმნელმა (ExploitDev) აგენტებმა ეს შემთხვევები იზოლირებულ ვირტუალურ მანქანებში გამოსცადეს. მათში ჩართული იყო Linux-ის სტანდარტული დისტრიბუციის დაცვის მექანიზმები: სუპერვაიზორის რეჟიმში მომხმარებლის სივრცის კოდის შესრულების აკრძალვა (SMEP), სუპერვაიზორის რეჟიმში მომხმარებლის სივრცის მეხსიერებაზე წვდომის შეზღუდვა (SMAP), ბირთვის მისამართთა სივრცის განლაგების რანდომიზაცია (KASLR) და HARDENED_USERCOPY. ამან თავიდან აგვარიდა არარეალისტური შეფასებები, რომლებიც დაცვის მექანიზმების გამორთვას დაეყრდნობოდა.

აგენტებმა შექმნეს ინფორმაციის გაჟონვის 291 სადემონსტრაციო კოდი და პრივილეგიების ლოკალური ამაღლების 1 169 მოქმედი ექსპლოიტი, რომელთა საშუალებითაც დაბალი პრივილეგიების მქონე ლოკალურ მომხმარებლებს root-წვდომის მოპოვება შეეძლოთ.

გავაანალიზეთ ვარიანტები და ამ ექსპლოიტების საფუძვლად არსებული მოწყვლადობებისთვის 948 განსხვავებული პაჩი შევიმუშავეთ. უნიკალური LPE-ების საერთო რაოდენობის დასადგენად ამ რიცხვს ვიყენებთ. წარმატებული ექსპლოიტის შექმნა კრედიტებში საშუალოდ 359 აშშ დოლარი დაჯდა. ამგვარად, უსაფრთხოების სპეციალისტებისთვის აღმოჩენილი მოწყვლადობების ექსპლუატაციის შესაძლებლობის შემოწმება შედარებით იაფია.

მოწყვლადობების პირველადი შერჩევის აგენტის ხარჯი API-ის კრედიტებში 44 194 აშშ დოლარი იყო. ექსპლუატაციის ეტაპი API-ის კრედიტებში სულ 775 929 აშშ დოლარი დაჯდა. აქედან 84 929 აშშ დოლარი ინფორმაციის გაჟონვის შესაძლო შემთხვევების დამუშავებაზე დაიხარჯა, ხოლო 691 000 აშშ დოლარი პრივილეგიების ლოკალური ამაღლების შესაძლო შემთხვევების დამუშავებას მოხმარდა.

პრივილეგიების ლოკალური ამაღლების შესაძლო შემთხვევის დამუშავება საშუალოდ დაახლოებით ორჯერ ძვირი იყო (558 აშშ დოლარი), ვიდრე ინფორმაციის გაჟონვის შესაძლო შემთხვევისა (271 აშშ დოლარი). მიზეზი ისაა, რომ ინფორმაციის გაჟონვის სადემონსტრაციო კოდი დადასტურების ეტაპზე უკვე მზად იყო და ექსპლოიტში გამოსაყენებლად ნაკლებ ცვლილებას საჭიროებდა. ამის საპირისპიროდ, შესაძლო LPE შემთხვევიდან ექსპლოიტის შექმნას მრავალი დამატებითი ნაბიჯი სჭირდებოდა: ექსპლუატაციის სტრატეგიის დაგეგმვა, გამოსაყენებელი მოწყვლადი ობიექტების გამოვლენა, დაცვის მექანიზმების გვერდის ავლა და სხვა. ასევე შევნიშნეთ, რომ ექსპლუატაციის წარუმატებელი მცდელობები გაცილებით ძვირი ჯდებოდა: 69 წარუმატებელი შემთხვევისას ხარჯი საშუალოდ 3 922 აშშ დოლარი იყო თითო მცდელობაზე, ხოლო 1 169 წარმატებული შემთხვევისას 360 აშშ დოლარი. ეს რამდენიმე რთულად ექსპლუატირებადი მოწყვლადობით იყო გამოწვეული (მაგ., შეჯიბრების მდგომარეობებით). მცდელობის შეწყვეტის გონივრული პირობის განსაზღვრა, მაგალითად, მისი შეჩერება, თუ ერთი საათის განმავლობაში პროგრესი არ არის, ExploitDev-ის ხარჯს მნიშვნელოვნად შეამცირებდა.

სისტემა თითოეული დადასტურებული მოწყვლადობისთვის პაჩსაც ქმნის. მოდელს ვაწვდით შესაბამის საწყის კოდს და მოთხოვნაში ვუთითებთ პაჩების წერის საუკეთესო პრაქტიკებს: პაჩის სტატიკურ შემოწმებას, მომიჯნავე კოდში გამოყენებული პროგრამული შემუშავების პრაქტიკის დაცვას და ვარიანტების ანალიზს, რათა პაჩი მოწყვლადობას სრულად აღმოფხვრიდეს.

Linux-ის ბირთვის საზოგადოების რეკომენდაციით, კრიტიკული მოწყვლადობების შესახებ უკვე გავგზავნეთ ასობით ანგარიში და პაჩი. Patch the Planet-ის პარტნიორებთან ერთად ვმუშაობთ, რომ დანარჩენი პაჩებიც ეტაპობრივად გავგზავნოთ. ეს სამუშაო Daybreak-ის ფარგლებში ღია კოდის პროექტების მხარდაჭერის ჩვენი უფრო ფართო ვალდებულების ნაწილია.

ამ ნაწილში გაგიზიარებთ კვლევისას მიღებულ გამოცდილებას, მოსაზრებებსა და დამატებით ანალიზს.

კვლევისას ვნახეთ, რომ Linux-ის ტექნიკური გუნდი სწრაფად მოქმედებს მოწყვლადობების აღმოსაფხვრელად და მომხმარებლების დასაცავად. სკანირება Linux-ის ბირთვის უახლეს ვერსიაზე 2026 წლის ოქტომბრის შუა რიცხვებში ჩატარდა. 10 დღის შემდეგ, როცა ავტონომიური სკანირება და ხელით ანალიზი დასრულდა, 61 LPE ძირითად პროექტში უკვე აღმოფხვრილი იყო, 43-ს ძირითად პროექტში შესატანად მომზადებული პაჩები ჰქონდა, ხოლო 299-ის შესახებ ანგარიშები საჯაროდ ვრცელდებოდა და განიხილებოდა.

დიდად ვაფასებთ Linux-ის ტექნიკური გუნდის ძალისხმევას აღმოჩენილი პრობლემების სასწრაფოდ აღმოსაფხვრელად, ასევე უსაფრთხოების სპეციალისტთა ფართო საზოგადოების წვლილს საკუთარი აღმოჩენების გაზიარებაში. მსოფლიოს პროგრამული უზრუნველყოფის დასაცავად სწორედ ასეთი ერთობლივი რეაგირებაა საჭირო. მოწყვლადობების შესახებ ინფორმაციის გასაჯაროებისა და შესწორების სწრაფი ტემპი ასევე ხაზს უსვამს, რამდენად მნიშვნელოვანია მომხმარებლებისა და კომპანიებისთვის პროგრამული უზრუნველყოფის დროულად განახლება.

მთავარი დასკვნა: ავტომატური დახარისხება პაჩების სწრაფად გამოშვების ციკლს უნდა ითვალისწინებდეს. აღმოჩენილი პრობლემების ხელახლა შემოწმება უახლეს კოდზე, მათ შორის თავდაპირველი სკანირების შემდეგ დამატებულ კოდზეც, დუბლირებული ან მოძველებული ანგარიშების თავიდან აცილებაში გვეხმარება. ამგვარად, ყურადღება მოუგვარებელ მოწყვლადობებზე მახვილდება, პროექტის ტექნიკური გუნდი კი იღებს მტკიცებულებებს, რომლებზე დაყრდნობითაც შეუძლია იმოქმედოს ზედმეტი შემოწმების ტვირთის გარეშე.

სისტემის შემუშავებისას, 2026 წლის ივლისის ბოლოს, GPT‑5.6 Sol-მა აღმოაჩინა და გამოიყენა 166 უნიკალური LPE მოწყვლადობა. პროცესის სრულმა ღირებულებამ API-ის კრედიტებში 513 690 აშშ დოლარი შეადგინა.

მეორე სკანირებისას, 2026 წლის ოქტომბრის შუა რიცხვებში, ახალმა კიბერმოდელმა აღმოაჩინა და გამოიყენა 948 უნიკალური LPE მოწყვლადობა. პროცესის სრული ღირებულება API-ის კრედიტებში 1 213 430 აშშ დოლარი იყო. ორივე კამპანიისას Linux-ის ბირთვის იმ დროისთვის უახლეს master შტოს ვასკანირებდით.

მთავარი დასკვნა: მოდელების შესაძლებლობების გაუმჯობესებისას ხელახლა დაასკანირეთ უკვე შემოწმებული კოდი. უფრო მძლავრმა მოდელმა შესაძლოა გამოავლინოს მოწყვლადობები, რომლებიც ადრინდელმა მოდელებმა ვერ აღმოაჩინეს, თუნდაც იმავე დამხმარე პროგრამულ ინფრასტრუქტურას იყენებდეს.

აგენტების მიერ შექმნილი ექსპლოიტებიდან 166 შევარჩიეთ და მათში გამოყენებული ექსპლუატაციის ტექნიკები გავაანალიზეთ. რამდენადაც ჩვენთვის ცნობილია, შერჩეულ ექსპლოიტებში აგენტებმა ექსპლუატაციის 10 ახალი ტექნიკა გამოიყენეს. ეს ტექნიკები ბირთვის ექსპლუატაციის დამოუკიდებელ ექსპერტებს გავუზიარეთ და მათთვისაც უცნობი აღმოჩნდა.

10 ტექნიკიდან ორი ახალი მდგრადი ელასტიკური ობიექტია, რომლებითაც მოდელი ბირთვის სამიზნე ქეშს ობიექტებით ავსებდა. კიდევ ორი ტექნიკა მეხსიერების გვერდების განლაგების მიზანმიმართულად მომზადებას ემსახურება ექსპლოიტის საიმედოობის გასაზრდელად. ხუთი ახალი ტექნიკა მხოლოდ მონაცემების შეცვლას ეფუძნება და პრივილეგიების პირდაპირ ან თვითნებური ჩაწერის გზით ამაღლებას ემსახურება. დარჩენილი ტექნიკა კი ობიექტის ტიპის თვითნებურ აღრევას უკავშირდება. უსაფრთხოების მოსაზრებებით, ამ პოსტში ექსპლუატაციის ამ ახალი ტექნიკების სრულ ტექნიკურ დეტალებს არ ვაქვეყნებთ.

მთავარი დასკვნა: მოწინავე მოდელები მხოლოდ ცნობილი მოწყვლადი კოდის ნიმუშებს არ ამოიცნობენ და მხოლოდ ცნობილ ექსპლუატაციის ტექნიკებს არ იყენებენ, ისინი შემოქმედებით უნარსა და ახალ მიდგომებს ავლენენ.

ჩვენი გუნდის მისიის მნიშვნელოვანი ნაწილია მოწყვლადობების პოვნისა და ექსპლუატაციის ღირებულების გაზომვა და ამ მონაცემებით დაცვაში ინვესტირების მიმართულებების განსაზღვრა. ჩვენი მიზანია, უსაფრთხოების სპეციალისტებს მოწყვლადობების აღმოფხვრაში დავეხმაროთ, სანამ თავდამსხმელები მათ გამოიყენებენ, და პროგრამული მოწყვლადობების ექსპლუატაცია თავდამსხმელებისთვის ეკონომიკურად გაუმართლებელი გავხადოთ. ექსპლუატაციის ხარჯების გაზომვა გვეხმარება შევაფასოთ, როგორ იცვლება ეს გამოწვევა მოდელების შესაძლებლობების გაუმჯობესებასთან ერთად. ამ ნაწილში ჩვენი სისტემის გაშვების ღირებულებას აღმოჩენილი მოწყვლადობებისთვის დაწესებულ ჯილდოებს ვადარებთ.

ექსპერიმენტში სამიზნე ვირტუალურ მანქანებზე მუშაობდა დესკტოპის სტანდარტული ოპერაციული სისტემა, რომლის დაცვაც ხელოვნურად არ იყო შესუსტებული. გამოყენებული იყო საფრთხის იგივე მოდელი, რასაც კიბერუსაფრთხოების შეჯიბრებები იყენებენ (მაგ., Pwn2Own⁠(იხსნება ახალ ფანჯარაში), TyphoonPWN⁠(იხსნება ახალ ფანჯარაში)). წარსულში Pwn2Own და TyphoonPWN Linux-ის ბირთვის პრივილეგიების ლოკალური ამაღლების ექსპლოიტებისთვის, შესაბამისად, 20 000 და 70 000 აშშ დოლარის ჯილდოს სთავაზობდნენ. თუ 948 ექსპლოიტს წარსულში დაწესებული ამ ჯილდოების მიხედვით შევაფასებთ, მათი ჰიპოთეზური ღირებულება 18,9-66,3 მილიონი აშშ დოლარია, რაც ჩვენი სისტემის ხარჯს დაახლოებით 16-55-ჯერ აღემატება.

ჩვენი სისტემა Google-ის მოწყვლადობების აღმოჩენისთვის ჯილდოების პროგრამაში, kernelCTF⁠(იხსნება ახალ ფანჯარაში)-შიც გამოვცადეთ, რომლის სამიზნეა გაძლიერებული დაცვისა და შეტევის შემცირებული ზედაპირების მქონე Linux-ის ბირთვი. სისტემა kernelCTF-ის გარემოში Linux-ის ბირთვის უახლეს ვერსიაზე გავუშვით (ის შეუთავსებელი იყო kernelCTF-ის SLAB_VIRTUAL დაცვასთან, ამიტომ ეს პარამეტრი კონფიგურაციიდან ამოვიღეთ) და მივიღეთ ინფორმაციის გაჟონვის 25 სადემონსტრაციო კოდი და პრივილეგიების ლოკალური ამაღლების 21 ექსპლოიტი. შედარებისთვის, ტექსტის წერის მომენტისთვის kernelCTF-ს 2026 წელს მიღებული ჰქონდა ნულოვანი დღის 26 დადასტურებული LPE ექსპლოიტი. მთელი კამპანია 112 საათს გაგრძელდა და API-ის კრედიტებში დაახლოებით 32 936 აშშ დოლარი დაჯდა. API-ის ხარჯის 83,7% მოწყვლადობების აღმოჩენაზე მოდიოდა. პროგრამის ფარგლებში ეს 21 მოწყვლადობა რომ მიღებულიყო, ჯილდო დაახლოებით 1,5 მილიონი აშშ დოლარი იქნებოდა, ანუ გაწეული ხარჯის დაახლოებით 45-მაგი ოდენობა.

მთავარი დასკვნა: საჯაროდ ცნობილი ჯილდოების ოდენობებზე დაყრდნობით, კვლევის დროს არსებული კიბერშესაძლებლობების მქონე მოდელების გამოყენებით ჩვენს მოწყვლადობების კვლევის სისტემას წმინდა მოგების მოტანა შეეძლო. უსაფრთხოების სპეციალისტებმა საკუთარი პროგრამული უზრუნველყოფა წინასწარ უნდა გააანალიზონ, რათა თავდამსხმელებისთვის მისი ექსპლუატაცია ეკონომიკურად გაუმართლებელი გახდეს.

ექსპლუატაციის შესაძლებლობის შეფასებისას ExploitDev აგენტებს მოწყვლადობის ანგარიშს ვაწვდიდით და სრულად მოქმედი ექსპლოიტის შექმნას ვავალებდით. ჩვენი სისტემა მოწყვლადობას ექსპლუატირებულად ნიშნავდა, თუ root-უფლებებით ბრძანებათა გარსზე წვდომა წარმატებით მიიღებოდა. ერთ-ერთი ადრეული გაშვებისას ექსპლუატაციის ეტაპმა პრივილეგიების ლოკალური ამაღლების 200 წარმატებული ექსპლოიტი დააფიქსირა. თუმცა მკვლევრების მიერ შემოწმების შემდეგ აღმოჩნდა, რომ მათგან 20-მა root-პრივილეგიები დავალებაში მითითებულის ნაცვლად სხვა ნულოვანი დღის მოწყვლადობის მეშვეობით მოიპოვა. ეს მიანიშნებს, რომ აგენტების წარმატებულ ექსპლუატაციასაც სათანადო გადამოწმება სჭირდება.

შემდეგ დავალების პირობები გავამკაცრეთ და დავამატეთ დამოუკიდებელი შემოწმება, რომელიც ადასტურებდა, რომ ყოველი საბოლოო ექსპლოიტი მისთვის მინიჭებულ მოწყვლადობას იყენებდა.

მთავარი დასკვნა: უსაფრთხოების ავტონომიური კვლევისას გადაამოწმეთ არა მხოლოდ შედეგი, არამედ მის მიღწევამდე გავლილი გზაც. იზოლაცია, მონიტორინგი და დამოუკიდებელი შემოწმებები აუცილებელი კონტროლის მექანიზმებია.

კვლევის დასაწყისში განვიხილეთ, ღირდა თუ არა აგენტის მუშაობის სამართავად რთული ორკესტრაციის შემუშავება მისი კიბერშესაძლებლობების გასაუმჯობესებლად. ჩვენმა შედეგებმა მიანიშნა, რომ უფრო ძლიერ მოდელებს უფრო მარტივი ორკესტრაცია და ნაკლები ეტაპობრივი დახმარება სჭირდებათ. მცირე გაუმჯობესება კი მხარდაჭერის ხარჯს ვერ ამართლებს. ამიტომ რთული ორკესტრაციის ამოღება გადავწყვიტეთ.

ექსპერიმენტში GPT‑5.5 Cyber და GPT‑5.6 Cyber შევადარეთ. ჩვენი დაკვირვებით, GPT‑5.5 Cyber ყოველთვის სწორად ვერ ადგენდა, როდის და როგორ გამოეყენებინა Linux-ის ბირთვის ექსპლუატაციის არსებული ტექნიკები. შემდეგ მოდელისთვის მოსახერხებელ ფორმატში 103 ტექნიკა შევკრიბეთ, აგენტის გარემოში ხელმისაწვდომი გავხადეთ და აგენტს მათი გამოყენება ვთხოვეთ. ექსპლუატაციისთვის შერჩეულ 63 შემთხვევაში ამან წარმატების მაჩვენებელი 76,2%-დან 88,9%-მდე გაზარდა.

როცა ეს GPT‑5.6 Cyber-ით გავიმეორეთ, მოდელი შესაბამის ტექნიკებს დამოუკიდებლად უკეთ პოულობდა, არჩევდა და იყენებდა. ტექნიკებისა და უნარების მართვის დამატებითი მექანიზმები ამოვიღეთ. შედეგად, უფრო მარტივი ორკესტრაციის მქონე GPT‑5.6 Cyber-ის პროცესმა აჯობა GPT‑5.5 Cyber-ის პროცესს, რომელიც გაცილებით მეტ დამხმარე სტრუქტურას იყენებდა. GPT‑5.6 Cyber-ისთვის ტექნიკების დამატებითი შრის დაბრუნებამ წარმატების მაჩვენებელი მხოლოდ 1,5 პროცენტული პუნქტით გაზარდა.

მთავარი დასკვნა: საბაზისო მოდელის შესაძლებლობების ცვლილებისას ხელახლა შეაფასეთ ორკესტრაცია და აგენტის დამხმარე პროგრამული ინფრასტრუქტურა. დამხმარე მექანიზმებმა, რომლებიც მოდელის ერთი თაობის შედეგებს მნიშვნელოვნად აუმჯობესებს, უფრო ძლიერ მოდელს შესაძლოა მცირე სარგებელი მოუტანოს. ამიტომ უნდა შეფასდეს, ამართლებს თუ არა ეს სარგებელი მათი მხარდაჭერის ხარჯს.

თავდაპირველად, როცა პაჩების პროექტების შექმნას პირდაპირ ვთხოვდით, მოდელი ფუნქციურად სწორ პაჩებს ქმნიდა, რომლებიც სადემონსტრაციო კოდის მოქმედებას ბლოკავდა, თუმცა ზოგჯერ სხვა პრობლემებს აჩენდა: ამატებდა ზედმეტ კოდს, ქმნიდა წარმადობის შესაძლო დანაკარგს, უხვევდა კოდირების წესებს ან დაკავშირებულ კოდში იმავე მოწყვლადობის ვარიანტებს არ ამოწმებდა, რის გამოც პაჩები არასრული რჩებოდა.

დამატებითმა მითითებებმა და პაჩების გენერაციის პროცესის ეტაპობრივმა დახვეწამ მათი ხარისხი გააუმჯობესა. ეს მიანიშნებს, რომ სათანადო მიდგომით ხელოვნური ინტელექტის მიერ შექმნილი უსაფრთხოების პაჩები შეიძლება იყოს სწორი, მინიმალური და კოდის არსებულ წესებთან თავსებადი. ეს აქტიური კვლევის სფეროა და გვჯერა, რომ მომავალი მოდელებით პროცესი გამარტივდება და უფრო ეფექტიანი გახდება. რამდენიმე შემთხვევაში ჩვენმა კვლევითმა პროტოტიპმა ექსპერტების მიერ დაწერილ პაჩებშიც აღმოაჩინა პრობლემები, რომლებიც შემდეგ ძირითად კოდში შეტანამდე გასწორდა.

მთავარი დასკვნა: მოდელებს პაჩების შექმნის პროცესის დაჩქარება შეუძლიათ, თუმცა შესაბამის უნარებსა და სარტყლებს შესაძლოა განმეორებითი დახვეწა დასჭირდეს, რათა პაჩები საიმედოდ აკმაყოფილებდეს როგორც ფუნქციურ, ისე არაფუნქციურ მოთხოვნებს. ასევე გირჩევთ, მოდელები გამოიყენოთ ადამიანებისა და ხელოვნური ინტელექტის მიერ შექმნილი პაჩების თავდამსხმელის თვალით შესამოწმებლად. ამან შეიძლება გამოავლინოს პაჩის გვერდის ავლის შესაძლებლობა, გამოტოვებული შეტევის გზები ან ვარიანტები და სხვა პრობლემები.

kernelCTF-ში გაშვებისას, Linux-ის ბირთვის ნულოვანი დღის 21 ექსპლოიტის გარდა, ჩვენმა კვლევითმა პროტოტიპმა QEMU TCG-ის მოწყვლადობაც აღმოაჩინა და გამოიყენა. ანალიტიკოს აგენტს სისტემური გამოძახების შესვლის კოდის ანალიზი ჰქონდა დავალებული. პრივილეგიების გადასვლების გამოსაცდელად პროგრამების წერისას ის ბირთვის მოულოდნელ ავარიულ გაჩერებას წააწყდა. მან ავარიული გაჩერება გააანალიზა და პრობლემის წყარო QEMU TCG-ში მიაგნო, QEMU-ს წყაროს კოდზე წვდომის გარეშე, შემდეგ კი მოწყვლადობა ანგარიშში შეიტანა. შემდგომ ExploitDev აგენტმა ამ მოწყვლადობისთვის პრივილეგიების ლოკალური ამაღლების ექსპლოიტი წარმატებით შექმნა. QEMU-ს ეს მოწყვლადობა ექსპლოიტების ხელით ანალიზისას აღმოვაჩინეთ და დავადასტურეთ, რომ ის QEMU-ს ძირითად პროექტში უკვე გასწორებული იყო, თუმცა არა ექსპერიმენტში გამოყენებულ გამოშვებულ ვერსიაში.

მთავარი დასკვნა: კიბერშესაძლებლობების მქონე მოწინავე მოდელებს სატესტო ინფრასტრუქტურაშიც შეუძლიათ მოწყვლადობების პოვნა. გირჩევთ, მოწყვლადობების შეტევითი კვლევის დაწყებამდე ინფრასტრუქტურის ყოველი ნაწილი შეამოწმოთ. ჩვენ პროაქტიულად გამოვცადეთ ჩვენი ინფრასტრუქტურა და Kata-ში, Moby/Docker-ში, gVisor-სა და სხვა პროექტებში მრავალი მოწყვლადობა გავამჟღავნეთ და გავასწორეთ.

ჩვენი მიზანია, მოდელების მზარდი შესაძლებლობები გრძელვადიან უპირატესობად ვაქციოთ მათთვის, ვინც ინტერნეტის უსაფრთხოებაზე ზრუნავს. ეს კვლევა აჩვენებს, რომ მოწინავე მოდელების მზარდი კიბერშესაძლებლობები შეიძლება ეფექტიანად გამოვიყენოთ მოწყვლადობების მოსაძებნად ისეთ რთულ პროგრამულ უზრუნველყოფაში, როგორიცაა Linux-ის ბირთვი. Linux-ისა და სხვა კრიტიკულად მნიშვნელოვანი ღია კოდის პროექტების დაცვის გაძლიერებამ შეიძლება მათზე დამოკიდებული მრავალი სისტემა და მომხმარებელი დაიცვას.

Daybreak-ის ინიციატივის, Patch the Planet-ის ფარგლებში, მიზნად ვისახავთ ამ კვლევის გავრცელებას მეტ კრიტიკულად მნიშვნელოვან პროგრამულ პროექტზე. პროექტების ტექნიკურ გუნდებთან და უსაფრთხოების პარტნიორებთან ერთად გვსურს პაჩების ავტომატურად შექმნისა და დანერგვის საიმედო პროცესის შემუშავება. გვინდა, თანდათან შევამციროთ თავდამსხმელებისთვის ხელმისაწვდომი შესაძლებლობები და გავზარდოთ მოწყვლადობების პოვნისა და ექსპლუატაციის ხარჯი, სანამ მოსალოდნელი სარგებელი თავდასხმას აღარ გაამართლებს.

მოდელების ყოველი თაობა უნდა დაგვეხმაროს ისეთი პროგრამული უზრუნველყოფის შექმნაში, რომლის გატეხვაც მომდევნო თაობას უფრო გაუჭირდება. გავაგრძელებთ მუშაობას უსაფრთხო ინტერნეტის შესაქმნელად, სადაც ყველას შეეძლება სიამოვნებით განახორციელოს საკუთარი იდეები.