Илјада патишта помалку до root

Безбедносното истражување, кое некогаш бараше посебна, долготрајна истрага за секој наод, сè повеќе може да се спроведува како систематски процес. Овој документ претставува еден од нашите потфати во оваа област.

Станува сè полесно да се откриваат ранливости во поголем обем, но одредувањето приоритети и валидацијата остануваат тесни грла во работата. Изградивме прототип за барање безбедносни пропусти во јадрото на Linux во контролирана истражувачка средина. Нашиот прототип идентификуваше и анализираше 2.308 потенцијални наоди во јадрото на Linux, динамички репродуцираше 1.724 ранливости и создаде 948 експлоити за локално зголемување на привилегиите (LPE), кои би можеле да му овозможат на непривилегиран локален корисник да добие root-пристап.

Ги искористивме овие докази за да им дадеме приоритет на ранливостите за пријавување и развивме предлог-закрпи за преглед од одржувачите. Следејќи ги насоките на заедницата на јадрото на Linux, почнавме со критичните ранливости и работиме со партнерите на Patch the Planet на дополнителни извештаи и закрпи.

Во јуни, во рамките на нашата иницијатива Patch the Planet, објавивме дека GPT‑5.5 Cyber идентификувал ранливости во јадрото на Linux и развил 24 експлоити за локално зголемување на привилегиите за да ги потврди и пријави. Ја проширивме таа работа во процес заснован на претстоен сајбермодел, кој опфаќа откривање ранливости, динамичка валидација, процена на можноста за искористување и генерирање закрпи. По неговото завршување, истражувачите ги прегледаа резултатите и ги пријавија пронајдените ранливости заедно со закрпите.

Јадрото на Linux е основа за уредите со Android, облачната инфраструктура, суперкомпјутерите и други системи што ги користат милијарди луѓе. Со повеќе од 40 милиони редови код, јадрото изложува широка површина за напад преку системски повици, мрежни функции, датотечни системи и драјвери за уреди. Го избравме Linux за да проучиме колку ефикасно граничните модели можат да наоѓаат ранливости и да го покажат нивното влијание врз безбедноста во кодна база со ваков обем и значење.

Почетната фаза на откривање ранливости даде илјадници потенцијални наоди, премногу за безбедносните истражувачи рачно да ги прегледаат и тријажираат. Оперативниот предизвик на нашиот процес за откривање ранливости не беше самото откривање, туку утврдувањето кои наоди може да се репродуцираат, која безбедносна граница ја преминуваат и на кои одржувачите треба најпрво да им посветат внимание.

Мисијата на сајбер-тимот на OpenAI е да помогне во заштитата на софтверот на кој се потпира светот. Ги наведуваме API-трошоците за секоја фаза за да им помогнеме на истражувачите да ги проценат ресурсите потребни за повторување и проширување на оваа работа. Овие трошоци ги одразуваат моделите, конфигурациите на целните системи и работниот тек што се користеа во оваа евалуација. Нашата поширока цел е да им помогнеме на бранителите да наоѓаат и поправаат ранливости, намалувајќи ги можностите за напаѓачите и зголемувајќи им ги трошоците за искористување на софтверските ранливости.

На крајот, имајте предвид дека во ова истражување се насочивме кон методологијата и мерењето на способностите на моделите, а не кон трошоците. Очекуваме дека со доволно инженерска доработка на рамката, трошокот во секоја фаза би можел значително да се намали; затоа, трошоците што ги наведуваме повеќе претставуваат горна граница.

Нашиот прототип за истражување ранливости е процес од пет фази, во чија основа е претстоен сајбермодел:

• Откривање ранливости: Агентите ги идентификуваат деловите од кодната база што се важни за безбедноста и ги скенираат за потенцијални наоди.

• Динамичка валидација: Агентите се обидуваат да го репродуцираат секој потенцијален наод во изолирана средина и ги зачувуваат доказите од извршувањето. Резултатот од овој чекор се репродуцираните и потврдените ранливости.

• Процена на можноста за искористување: Агентите тестираат дали потврдените ранливости би можеле да овозможат откривање информации или локално зголемување на привилегиите.

• Генерирање закрпи: Агентите генерираат закрпи што ја поправаат секоја идентификувана ранливост.

• Човечки преглед: Безбедносните истражувачи ги прегледуваат експлоитот, закрпата и предложената оцена на сериозноста пред пријавувањето кај одржувачите.

На крајот од процесот, системот обединува анализа на основната причина, минимален доказ на концепт што предизвикува пад, предлог-закрпа и целосен експлоит, за да им помогне на истражувачите да ја проценат сериозноста на ранливоста и да ги достават поправките за вклучување во главниот проект.

Не секој ред код во јадрото на Linux е важен за безбедноста. Нашиот процес користеше тим агенти-извидници за да ги идентификува најважните цели за ревизија, кои потоа им беа предадени на агенти-аналитичари за скенирање ранливости.

Агентите-извидници ја прегледуваат секоја папка и датотека и ги одредуваат целите за ревизија врз основа на нивната достапност (дали се достапни за корисници со ниски привилегии) и важноста за безбедноста.

Во оваа фаза беа идентификувани 5.034 цели за ревизија, околу 2,8 милиони редови код, што е приближно 7% од целата кодна база на јадрото на Linux. Со тоа значително се намали трошокот за безбедносната ревизија во споредба со анализа на целата кодна база. Овој чекор чинеше 3.426 долари во API-кредити.

Потоа, агентите-аналитичари ја анализираа секоја цел на ревизијата и создаваа потенцијални наоди користејќи работен тек сличен на оној на приклучокот Codex Security⁠(се отвора во нов прозорец). Во основа, агентите-аналитичари го читаат кодот на доделената цел за ревизија за да разберат како функционира, да го утврдат нејзиниот модел на закани и да бараат ранливости во неа.

Во рок од 12 часа, агентите-аналитичари создадоа 2.308 потенцијални наоди по отстранувањето на дупликатите. Оваа фаза чинеше 316.549 долари во API-кредити.

Потенцијален наод не е исто што и потврдена ранливост. При ваков обем, рачното истражување на секој извештај е непрактично за нашиот истражувачки тим.

Затоа се насочивме кон валидација на наодите што а) беа достапни за корисник со ниски привилегии, б) не бараа посебни овластувања и в) даваа мерливи докази за оштетување на меморијата.

За секој потенцијален наод, агент за тријажа генерираше доказ на концепт и го извршуваше во изолирана виртуелна машина со јадро на Linux со Kernel Address Sanitizer (KASAN). Агентот ги следеше и излезот од програмата и системската конзола, а потоа итеративно го доработуваше доказот на концепт додека не го репродуцираше пријавеното однесување или не ги исцрпеше можните начини за негово предизвикување.

Во рок од 30 часа, нашиот систем репродуцираше 1.724 ранливости, односно ~74,7% од 2.308-те потенцијални наоди. Самата статичка ревизија на кодот може да даде лажно позитивни резултати, па бевме импресионирани од точноста на агентите-аналитичари и ефикасноста на агентите за тријажа, кои самостојно создадоа функционални докази на концепт за речиси три четвртини од потенцијалните наоди.

Повеќето преостанати наоди или бараа зголемени привилегии или не беа репродуцирани во предвиденото време поради тешко остварливи услови на трка, специфични услови за активирање (на пр. потребен неуспех на алокација во одреден ред) или валидација што одзема многу време (на пр. прелевање на бројачот на референци). Само 3,1% се должеа на погрешна анализа од моделот, при која пријавената ранливост претпоставуваше невозможен услов.

Фазата на валидација чинеше вкупно 73.330 долари во API-кредити. Забележавме дека во нашиот процес на валидација, кој мораше да генерира доказ на концепт за да потврди дали потенцијалниот наод е вистинска ранливост, постапката беше поскапа од давање препорака само врз основа на статичка анализа. Трошоците за обидите за валидација на вистински позитивен и на лажно позитивен наод беа слични. Затоа, отстранувањето на лажно позитивните наоди во порана фаза значително ја подобрува трошочната ефикасност на процесот.

Валидацијата утврдува дека ранливоста е вистинска, но не и колку итно треба да се поправи. На пример, ранливост што би можела да овозможи локално зголемување на привилегиите заслужува повисок приоритет од онаа што би можела да предизвика само локално одбивање на услуга. Со 1.724 потврдени ранливости, следната задача беше да се идентификуваат наодите со најголемо потенцијално влијание врз безбедноста.

Агент за почетна селекција статички го прегледуваше секој извештај, записник за пад и релевантен изворен код. Критериумите намерно беа широки за да не се отфрлат потенцијално сериозни наоди, а сепак да се исклучат случаите без веродостоен пат за искористување. Така резултатите се стеснија на 313 потенцијални протекувања информации и 1.238 потенцијални ранливости за локално зголемување на привилегиите.

Потоа агентите за развој на експлоити (ExploitDev) ги тестираа тие наоди во изолирани виртуелни машини со заштитите што ги вклучува стандардна дистрибуција на Linux: спречување извршување во супервизорски режим (SMEP), спречување пристап во супервизорски режим (SMAP), рандомизација на распоредот на адресниот простор на јадрото (KASLR) и HARDENED_USERCOPY. Ова помогна да се избегнат нереални процени што зависат од исклучени заштити.

Агентите создадоа 291 доказ на концепт за протекување информации и 1.169 функционални експлоити за локално зголемување на привилегиите, кои би можеле да им дадат root-пристап на непривилегирани локални корисници.

Спроведовме анализа на варијантите и развивме 948 различни закрпи за ранливостите врз кои се засноваа тие експлоити. Тој број го користиме за да го одредиме вкупниот број единствени LPE-ранливости. Развојот на успешните експлоити чинеше во просек 359 долари во кредити. Тоа им овозможува на бранителите релативно евтино да тестираат дали пронајдените ранливости може да се искористат.

Агентот за почетна селекција на ранливости чинеше 44.194 долари во API-кредити. Фазата на искористување чинеше вкупно 775.929 долари во API-кредити: 84.929 долари за обработка на потенцијалните протекувања информации и 691.000 долари за потенцијалните ранливости за локално зголемување на привилегиите.

Во просек, обработката на потенцијална ранливост за локално зголемување на привилегиите (558 долари) беше приближно двојно поскапа од обработката на потенцијално протекување информации (271 долар). Причината е што PoC за протекување информации беа преземени од фазата на валидација и бараа помалку измени за да станат употребливи во експлоит. Од друга страна, развојот на експлоит од потенцијална LPE-ранливост бараше многу дополнителни чекори, како планирање стратегија за искористување, идентификување ранливи објекти за употреба, заобиколување заштити и друго. Забележавме и дека неуспешните обиди за искористување (3.922 долари за 69 случаи) чинеа многу повеќе од успешните (360 долари за 1.169 случаи). Ова се должеше на неколку ранливости што тешко се искористуваат (на пр. услови на трка). Дефинирањето разумен услов за откажување, како запирање на обидот по еден час без напредок, значително би го намалило трошокот за ExploitDev.

За секоја потврдена ранливост, системот генерира и закрпа. На моделот му го даваме релевантниот изворен код и инструкции за најдобрите практики при пишување закрпи, како статички проверки на закрпата, следење на практиките за развој што се користат во околниот код и анализа на варијантите за да се осигуриме дека закрпата е целосна.

Следејќи го предлогот на заедницата на јадрото на Linux, веќе испративме стотици извештаи и закрпи за критични ранливости и работиме со партнерите на Patch the Planet за постепено испраќање закрпи за останатите. Оваа работа е дел од нашата поширока заложба Daybreak за поддршка на проекти со отворен код.

Во овој дел споделуваме поуки, согледувања и дополнителни анализи од ова истражување.

Во текот на ова истражување забележавме дека одржувачите на Linux дејствуваат брзо за да ги поправат ранливостите и да ги заштитат корисниците. Скенирањето беше извршено врз најновото јадро на Linux во средината на октомври 2026 година. Кога автономното скенирање и рачната анализа завршија по 10 дена, 61 LPE-ранливост веќе беше поправена во главниот проект, 43 имаа закрпи во подготовка, а 299 се пријавуваа и јавно се дискутираа.

Многу ги цениме одржувачите на Linux, кои итно работат на поправање на идентификуваните проблеми, како и пошироката безбедносна заедница, која придонесува со своите наоди. Токму ваква заедничка реакција е потребна за да се заштити софтверот ширум светот. Брзото темпо на објавување и поправање ранливости ја нагласува и клучната важност корисниците и компаниите редовно да го ажурираат софтверот.

Поука: Автоматизираната тријажа треба да го земе предвид брзиот циклус на изработка на закрпи. Повторната валидација на наодите врз најновиот код, вклучително и новиот код вклучен по првичното скенирање, помага да се избегнат дупликати или застарени извештаи. Така вниманието се насочува кон нерешените ранливости, а одржувачите добиваат докази врз кои можат да постапат без непотребен дополнителен товар за прегледување.

Додека го развивавме процесот, кон крајот на јули 2026 година, GPT‑5.6 Sol пронајде и искористи 166 единствени LPE-ранливости, со вкупен трошок од 513.690 долари во API-кредити.

При второто скенирање, во средината на октомври 2026 година, поновиот сајбермодел пронајде и искористи 948 единствени LPE-ранливости, со вкупен трошок од 1.213.430 долари во API-кредити. Во двете кампањи ја скениравме тогашната најнова верзија на гранката master на јадрото на Linux.

Поука: Повторно скенирајте го претходно ревидираниот код како што се подобруваат способностите на моделите. Поспособен модел може да открие ранливости што претходните модели ги пропуштиле, дури и со истата истражувачка рамка.

Избравме примерок од 166 експлоити развиени од агентите и ги анализиравме техниките за искористување ранливости употребени во нив. Според нашите сознанија, агентите употребија 10 нови техники за искористување ранливости во експлоитите од примерокот. Ги споделивме техниките со надворешни експерти за искористување ранливости во јадрото, а тие беа нови и за нив.

Од 10-те техники, две се нови трајни еластични објекти што моделот ги користеше за масовно распоредување објекти во целниот кеш на јадрото; две се нови техники за уредување мемориски страници за зголемување на сигурноста на експлоитите; пет се нови техники што манипулираат само со податоци за да постигнат зголемување на привилегиите директно или преку произволно запишување; преостанатата техника вклучува произволна конфузија на типови. Од безбедносни причини, во оваа објава не ги споделуваме целосните технички детали за овие нови техники за искористување ранливости.

Поука: Граничните модели не само што препознаваат познати обрасци на ранлив код или користат исклучиво познати техники за искористување ранливости; тие покажуваат креативност и нови пристапи.

Важен дел од мисијата на нашиот тим е да ги мери трошоците за наоѓање и искористување ранливости и да ги користи тие податоци за насочување на вложувањата во одбрана. Нашата цел е да им помогнеме на бранителите да ги поправат ранливостите пред напаѓачите да ги искористат и искористувањето на софтверските ранливости да стане прескапо за напаѓачите. Мерењето на трошоците за искористување ранливости ни помага да процениме како се менува тој предизвик со подобрувањето на способностите на моделите. Во овој дел го споредуваме трошокот за извршување на нашиот процес со наградите од програмите за пријавување ранливости за идентификуваните пропусти.

Целните виртуелни машини во нашиот експеримент користеа стандарден десктоп оперативен систем, а не намерно ослабена цел, со истиот модел на закани што го користат натпреварите за сајбербезбедност (на пр. Pwn2Own⁠(се отвора во нов прозорец), TyphoonPWN⁠(се отвора во нов прозорец)). Во минатото, Pwn2Own и TyphoonPWN нудеа награди од 20.000 и 70.000 долари, соодветно, за експлоити за локално зголемување на привилегиите во јадрото на Linux. Ако тие претходни износи на награди се применат на 948-те експлоити, се добива хипотетичка вредност од 18,9–66,3 милиони долари, приближно 16 до 55 пати поголема од трошокот за нашиот процес.

Го тестиравме нашиот процес и во рамките на програмата на Google за наградување пријавени ранливости, kernelCTF⁠(се отвора во нов прозорец), чија цел е безбедносно зајакнато јадро на Linux со намалени површини за напад. Го извршивме процесот врз најновата верзија на јадрото на Linux во средината на kernelCTF и добивме 25 докази на концепт за протекување информации и 21 експлоит за локално зголемување на привилегиите. Бидејќи таа верзија беше некомпатибилна со заштитата SLAB_VIRTUAL во kernelCTF, ја отстранивме оваа заштита од конфигурацијата. За споредба, до моментот на пишување, kernelCTF има прифатено 26 потврдени LPE-експлоити за ранливости од нулти ден во 2026 година. Целата кампања траеше вкупно 112 часа и чинеше приближно 32.936 долари во API-кредити, при што откривањето ранливости сочинуваше 83,7% од API-трошокот. Ако програмата ги прифатеше 21-та ранливост, наградата би изнесувала околу 1,5 милиони долари, приближно 45 пати повеќе од трошокот.

Поука: Според јавно објавените износи на исплати, со сегашните модели со сајберспособности, нашиот процес за истражување ранливости носеше нето-добивка во времето на ова истражување. Бранителите треба проактивно да го анализираат својот софтвер за искористувањето на неговите ранливости да стане прескапо за напаѓачите.

При процената на можноста за искористување, агентите ExploitDev добиваа извештај за ранливост и задача да создадат целосно функционален експлоит. Нашиот процес означуваше ранливост како искористена ако успешно се добие командна околина со root-привилегии. При едно рано извршување, фазата на искористување пријави 200 успешни експлоити за локално зголемување на привилегиите. Меѓутоа, по прегледот од истражувачите, откривме дека 20 од нив добиле root-привилегии преку друга ранливост од нулти ден, а не преку доделената. Ова укажува дека дури и успешното искористување ранливости од агентите бара соодветна валидација.

Потоа ги заостривме ограничувањата на задачата и додадовме независна проверка што потврдува дека секој конечен експлоит ја користи доделената ранливост.

Поука: При автономно безбедносно истражување, покрај самиот резултат, проверете го и патот до него; изолацијата, следењето и независните проверки се неопходни контролни мерки.

На почетокот на ова истражување разгледувавме дали да изградиме сложена оркестрација околу агентот за да ги подобриме неговите сајберспособности. Нашиот резултат укажа дека посилните модели бараат поедноставна оркестрација и помалку насочување. А малото дополнително подобрување не го оправдува трошокот за одржување. Затоа решивме да ја отстраниме сложената оркестрација.

Во експериментот беа споредени GPT‑5.5 Cyber и GPT‑5.6 Cyber. Според нашите набљудувања, GPT‑5.5 Cyber не препознаваше доследно кога и како да ги примени постојните техники за искористување ранливости во јадрото на Linux. Потоа собравме 103 техники во формат погоден за моделот, ги ставивме на располагање во средината на агентот и му дадовме инструкции да ги користи. Кај 63 потенцијални ранливости за искористување, ова ја зголеми стапката на успешност од 76,2% на 88,9%.

Кога го повторивме ова со GPT‑5.6 Cyber, моделот подобро успеваше самостојно да ги најде, избере и примени соодветните техники. Ја отстранивме оркестрацијата на техниките/вештините и овој работен тек на GPT‑5.6 Cyber со поедноставна оркестрација го надмина работниот тек на GPT‑5.5 Cyber со посложена помошна структура. Повторното додавање на дополнителниот слој техники за GPT‑5.6 Cyber донесе само мало подобрување од 1,5 процентни поени.

Поука: Преоценувајте ги оркестрацијата и рамката како што се менуваат способностите на основниот модел. Помошната структура што значително подобрува една генерација модели може да додаде мала вредност кај посилен модел, па треба да се процени дали ја оправдува потребата од одржување.

На почетокот, кога директно добиваше инструкции да генерира предлог-закрпи, моделот создаваше функционално исправни закрпи што го спречуваа дејството на доказот на концепт, но понекогаш воведуваа други проблеми: повеќе код од потребното, можни негативни ефекти врз перформансите, отстапување од конвенциите за кодирање или непрегледување на поврзаниот код за варијанти на истата ранливост, што доведуваше до нецелосни закрпи.

Дополнителните инструкции и итерации во процесот на генерирање закрпи го подобрија нивниот квалитет. Ова укажува дека, со соодветен пристап, безбедносните закрпи генерирани со ВИ може да бидат исправни, минимални и усогласени со постојните конвенции за кодирање. Ова е активна област на истражување и веруваме дека со идните модели процесот ќе стане полесен и поефикасен. Во неколку случаи, нашиот истражувачки прототип успеа да идентификува и проблеми во закрпи напишани од човечки експерти, кои потоа беа поправени пред вклучувањето во главниот код.

Поука: Моделите можат да го забрзаат процесот на изработка на закрпи, но вештините и рамките за таа намена можеби ќе бараат итеративно подобрување за закрпите сигурно да ги исполнуваат и функционалните и нефункционалните барања. Дополнително, препорачуваме користење модели за преглед од перспектива на напаѓач на закрпи создадени и од луѓе и со ВИ. Така може да се откријат проблеми како можност за заобиколување на закрпата, пропуштени други патишта или варијанти на напад и друго.

При извршувањето во kernelCTF, покрај 21-от експлоит за ранливости од нулти ден во јадрото на Linux, нашиот истражувачки прототип најде и искористи и ранливост во QEMU TCG. Агентот-аналитичар имаше задача да го анализира влезниот код за системски повици и, додека пишуваше програми за експериментирање со премини меѓу нивоа на привилегии, наиде на неочекуван пад на јадрото. Го испита падот и го лоцираше проблемот во QEMU TCG, без пристап до изворниот код на QEMU, а потоа ја вклучи ранливоста во извештајот. Потоа агентот ExploitDev успешно разви експлоит за локално зголемување на привилегиите за оваа ранливост. Ја откривме оваа ранливост во QEMU при рачната анализа на експлоитите и потврдивме дека била поправена во главниот проект QEMU, но не и во објавената верзија што се користеше во експериментот.

Поука: Граничните модели со сајберспособности можат да најдат ранливости во инфраструктурата за тестирање. Препорачуваме да се тестира секој дел од инфраструктурата пред да се спроведе офанзивно истражување ранливости. Ние проактивно ја тестиравме нашата инфраструктура, пријавувајќи и поправајќи многу ранливости во Kata, Moby/Docker, gVisor и други проекти.

Нашата цел е сè поголемите способности на моделите да ги претвориме во трајна предност за луѓето што го штитат интернетот. Ова истражување покажува дека растечките сајберспособности на граничните модели може да се користат за ефикасно барање ранливости во сложен софтвер, како што е јадрото на Linux. Зајакнувањето на безбедноста на клучни софтверски проекти како Linux и други проекти со отворен код може да заштити многу системи и корисници што се потпираат на нив.

Преку Patch the Planet, иницијатива во рамките на Daybreak, целиме да го прошириме ова истражување на повеќе клучни софтверски проекти и, заедно со одржувачите и безбедносните партнери, да развиеме сигурно автоматизирано применување закрпи. Сакаме постојано да ги намалуваме можностите што им стојат на располагање на напаѓачите и да ги зголемуваме трошоците за наоѓање и искористување ранливости, сè додека очекуваната добивка повеќе не го оправдува нападот.

Секоја генерација модели треба да ни помогне да изградиме софтвер што следната генерација потешко ќе може да го компромитира. Ќе продолжиме да работиме на изградба на безбеден интернет на кој секој ќе може со задоволство да создава.