root သို့ လမ်းကြောင်းတစ်ထောင် လျော့နည်းလာခြင်း

ယခင်က တွေ့ရှိချက်တစ်ခုစီအတွက် သီးခြား အချိန်ယူစုံစမ်းရသော လုံခြုံရေးသုတေသနကို ယခုအခါ စနစ်တကျ လုပ်ငန်းစဉ်တစ်ခုအဖြစ် ပိုမိုလုပ်ဆောင်လာနိုင်ပြီ ဖြစ်သည်။ ဤစာတမ်းတွင် ဤနယ်ပယ်ရှိ ကျွန်ုပ်တို့၏ ကြိုးပမ်းမှုတစ်ခုကို ဆွေးနွေးတင်ပြထားသည်။

အားနည်းချက်ရှာဖွေမှုကို အတိုင်းအတာချဲ့ထွင်ရန် ပိုမိုလွယ်ကူလာသော်လည်း ဦးစားပေးသတ်မှတ်ခြင်းနှင့် အတည်ပြုစစ်ဆေးခြင်းတို့မှာ လုပ်ငန်းလည်ပတ်မှုကို နှောင့်နှေးစေသည့် အတားအဆီးများအဖြစ် ရှိနေဆဲဖြစ်သည်။ ထိန်းချုပ်ထားသော သုတေသနပတ်ဝန်းကျင်အတွင်း Linux kernel ၏ လုံခြုံရေးချို့ယွင်းချက်များကို ရှာဖွေရန် ရှေ့ပြေးစနစ်တစ်ခု တည်ဆောက်ခဲ့သည်။ ကျွန်ုပ်တို့၏ ရှေ့ပြေးစနစ်က Linux kernel တွင် ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက် 2,308 ခုကို ရှာဖွေသုံးသပ်ပြီး အားနည်းချက် 1,724 ခုကို လက်တွေ့ ပြန်လည်ဖော်ထုတ်ခဲ့သည်။ လုပ်ပိုင်ခွင့်မရှိသော စက်တွင်းအသုံးပြုသူအား root ဝင်ရောက်ခွင့် ရစေနိုင်သည့် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု (LPE) တိုက်ခိုက်ကုဒ် 948 ခုကိုလည်း ထုတ်လုပ်ခဲ့သည်။

ဤသက်သေများကို အသုံးပြု၍ အစီရင်ခံတင်ပြမည့် အားနည်းချက်များ၏ ဦးစားပေးအဆင့် သတ်မှတ်ပြီး ထိန်းသိမ်းသူများ သုံးသပ်ရန် အဆိုပြုဖာထေးကုဒ်များ ဖန်တီးခဲ့သည်။ Linux kernel အသိုင်းအဝိုင်း၏ လမ်းညွှန်ချက်အတိုင်း အလွန်ပြင်းထန်သော အားနည်းချက်များမှ စတင်ခဲ့ပြီး နောက်ထပ် အစီရင်ခံစာများနှင့် ဖာထေးကုဒ်များအတွက် Patch the Planet မိတ်ဖက်များနှင့် ပူးပေါင်းဆောင်ရွက်နေသည်။

ဇွန်လတွင် ကျွန်ုပ်တို့၏ Patch the Planet အစီအစဉ်၏ တစ်စိတ်တစ်ပိုင်းအဖြစ် GPT‑5.5 Cyber က Linux kernel အားနည်းချက်များ ရှာတွေ့ခဲ့ပြီး ၎င်းတို့ကို အတည်ပြုတင်ပြရန် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ် ၂၄ ခု ဖန်တီးခဲ့ကြောင်း မျှဝေခဲ့သည်။ ထိုလုပ်ဆောင်မှုကို မကြာမီထွက်ရှိမည့် ဆိုက်ဘာမော်ဒယ်သုံး စီမံဆောင်ရွက်မှုအဆင့်ဆင့်တစ်ခုအဖြစ် ချဲ့ထွင်ခဲ့သည်။ ၎င်းတွင် အားနည်းချက်ရှာဖွေမှု၊ လက်တွေ့အတည်ပြုမှု၊ တိုက်ခိုက်အသုံးချနိုင်မှု အကဲဖြတ်ခြင်းနှင့် ဖာထေးကုဒ်ထုတ်လုပ်မှုတို့ ပါဝင်သည်။ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်ပြီးဆုံးသောအခါ လူသားသုတေသီများက ရလဒ်များကို သုံးသပ်ပြီး တွေ့ရှိသော အားနည်းချက်များကို ဖာထေးကုဒ်များနှင့်အတူ တင်ပြခဲ့သည်။

Linux kernel သည် လူဦးရေ ဘီလီယံနှင့်ချီ အသုံးပြုနေသော Android စက်များ၊ cloud အခြေခံစနစ်များ၊ စူပါကွန်ပျူတာများနှင့် အခြားစနစ်များ၏ အခြေခံအုတ်မြစ် ဖြစ်သည်။ ကုဒ်လိုင်းပေါင်း သန်း 40 ကျော်ပါသော kernel တွင် system call များ၊ ကွန်ရက်ချိတ်ဆက်မှု၊ ဖိုင်စနစ်များနှင့် စက်ပစ္စည်းဒရိုင်ဘာများမှတစ်ဆင့် တိုက်ခိုက်နိုင်သည့် နေရာများစွာ ရှိသည်။ ဤမျှကြီးမား၍ အရေးပါသော ကုဒ်အစုတွင် စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များက အားနည်းချက်များကို မည်မျှထိရောက်စွာ ရှာဖွေနိုင်ပြီး ၎င်းတို့၏ လုံခြုံရေးသက်ရောက်မှုကို မည်သို့သက်သေပြနိုင်ကြောင်း လေ့လာရန် Linux ကို ရွေးချယ်ခဲ့သည်။

ကနဦး အားနည်းချက်ရှာဖွေမှုအဆင့်တွင် ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက် ထောင်နှင့်ချီ ရရှိခဲ့ပြီး လုံခြုံရေးသုတေသီများ ကိုယ်တိုင် သုံးသပ်စိစစ်ရန် များလွန်းနေခဲ့သည်။ ကျွန်ုပ်တို့၏ အားနည်းချက်ရှာဖွေမှုလုပ်ငန်းစဉ်အတွက် လက်တွေ့စိန်ခေါ်မှုမှာ ရှာဖွေခြင်း မဟုတ်ဘဲ မည်သည့်တွေ့ရှိချက်ကို ပြန်လည်ဖော်ထုတ်နိုင်သနည်း၊ မည်သည့်လုံခြုံရေးနယ်နိမိတ်ကို ကျော်လွန်နိုင်သနည်း၊ မည်သည့်အရာကို ထိန်းသိမ်းသူများ အစောဆုံး အာရုံစိုက်သင့်သနည်းဟု ဆုံးဖြတ်ခြင်း ဖြစ်သည်။

OpenAI ၏ ဆိုက်ဘာအဖွဲ့သည် ကမ္ဘာက အားထားအသုံးပြုနေသော ဆော့ဖ်ဝဲများ လုံခြုံစေရန် ကူညီပေးရေးကို ရည်မှန်းထားသည်။ သုတေသီများက ဤလုပ်ဆောင်မှုကို ပြန်လည်လုပ်ဆောင်ရန်နှင့် ချဲ့ထွင်ရန် လိုအပ်သည့် အရင်းအမြစ်များကို အကဲဖြတ်နိုင်စေရန် အဆင့်တစ်ခုစီ၏ API ကုန်ကျစရိတ်ကို ဖော်ပြထားသည်။ ဤကုန်ကျစရိတ်များသည် ဤအကဲဖြတ်မှုတွင် သုံးထားသော မော်ဒယ်များ၊ ပစ်မှတ်ဆက်တင်များနှင့် လုပ်ငန်းစဉ်အပေါ် အခြေခံထားသည်။ ကျွန်ုပ်တို့၏ ပိုမိုကျယ်ပြန့်သော ရည်မှန်းချက်မှာ ကာကွယ်သူများအား အားနည်းချက်များ ရှာဖွေပြင်ဆင်နိုင်ရန် ကူညီပေးခြင်းဖြင့် တိုက်ခိုက်သူများ၏ အခွင့်အလမ်းများကို လျှော့ချပြီး ဆော့ဖ်ဝဲတိုက်ခိုက်ရန် ကုန်ကျစရိတ်ကို မြှင့်တင်ရန် ဖြစ်သည်။

နောက်ဆုံးအနေဖြင့် ဤသုတေသနတွင် ကုန်ကျစရိတ်ထက် နည်းလမ်းနှင့် မော်ဒယ်စွမ်းရည် တိုင်းတာခြင်းကို အာရုံစိုက်ခဲ့ကြောင်း သတိပြုပါ။ အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို လုံလောက်စွာ ပြုပြင်တည်ဆောက်ပါက အဆင့်တိုင်း၏ ကုန်ကျစရိတ်ကို သိသိသာသာ လျှော့ချနိုင်မည်ဟု မျှော်လင့်သည်။ ထို့ကြောင့် ဖော်ပြထားသော ကုန်ကျစရိတ်များသည် အများဆုံးကုန်ကျနိုင်သည့် ပမာဏနှင့် ပိုနီးစပ်သည်။

ကျွန်ုပ်တို့၏ အားနည်းချက်သုတေသန ရှေ့ပြေးစနစ်သည် မကြာမီထွက်ရှိမည့် ဆိုက်ဘာမော်ဒယ်ကို အခြေခံထားသော အဆင့်ငါးဆင့်ပါ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်တစ်ခု ဖြစ်သည်။

• အားနည်းချက် ရှာဖွေခြင်း - အေးဂျင့်များက ကုဒ်အစုရှိ လုံခြုံရေးနှင့် သက်ဆိုင်သော အစိတ်အပိုင်းများကို သတ်မှတ်ပြီး ဖြစ်နိုင်ခြေရှိသော အားနည်းချက်များကို ရှာဖွေစစ်ဆေးသည်။

• လက်တွေ့ အတည်ပြုစစ်ဆေးခြင်း - အေးဂျင့်များက တွေ့ရှိချက်တစ်ခုစီကို သီးခြားခွဲထားသော ပတ်ဝန်းကျင်တွင် ပြန်လည်ဖော်ထုတ်ရန် ကြိုးပမ်းပြီး လုပ်ဆောင်ချိန်ရရှိသော သက်သေများကို သိမ်းဆည်းသည်။ ဤအဆင့်မှ ပြန်လည်ဖော်ထုတ်၍ အတည်ပြုထားသော အားနည်းချက်များ ရရှိသည်။

• တိုက်ခိုက်အသုံးချနိုင်မှု အကဲဖြတ်ခြင်း - အေးဂျင့်များက အတည်ပြုထားသော အားနည်းချက်များကြောင့် အချက်အလက်ပေါက်ကြားမှု သို့မဟုတ် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု ဖြစ်နိုင်မဖြစ်နိုင် စမ်းသပ်သည်။

• ဖာထေးကုဒ် ထုတ်လုပ်ခြင်း - အေးဂျင့်များက တွေ့ရှိထားသော အားနည်းချက်တစ်ခုစီကို ဖြေရှင်းပေးမည့် ဖာထေးကုဒ်များ ထုတ်လုပ်သည်။

• လူသား သုံးသပ်ခြင်း - လုံခြုံရေးသုတေသီများက ထိန်းသိမ်းသူများထံ မတင်ပြမီ တိုက်ခိုက်ကုဒ်၊ ဖာထေးကုဒ်နှင့် အဆိုပြုထားသော ပြင်းထန်မှုအဆင့်ကို သုံးသပ်သည်။

စီမံဆောင်ရွက်မှုအဆင့်ဆင့်အဆုံးတွင် စနစ်က မူလအကြောင်းရင်း သုံးသပ်ချက်၊ စနစ်ရပ်တန့်မှု ဖြစ်စေသည့် အနည်းဆုံးလိုအပ်ချက်ပါ PoC၊ အဆိုပြုဖာထေးကုဒ်နှင့် ပြည့်စုံသော တိုက်ခိုက်ကုဒ်တို့ကို စုစည်းပေးသည်။ ၎င်းတို့က လူသားသုတေသီများအား အားနည်းချက်၏ ပြင်းထန်မှုကို အကဲဖြတ်ရန်နှင့် ပြင်ဆင်ချက်များကို မူရင်းစီမံကိန်းထဲ ထည့်သွင်းရန် ကူညီပေးသည်။

Linux kernel ရှိ ကုဒ်တစ်ကြောင်းတိုင်းသည် လုံခြုံရေးနှင့် သက်ဆိုင်သည် မဟုတ်ပါ။ ကျွန်ုပ်တို့၏ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်တွင် အရေးပါသော စစ်ဆေးရမည့် နေရာများ သတ်မှတ်ရန် ကင်းထောက်အေးဂျင့်အဖွဲ့ကို အသုံးပြုပြီး အားနည်းချက်ရှာဖွေရန် ထိုနေရာများကို သုံးသပ်ရေးအေးဂျင့်များထံ လွှဲပေးခဲ့သည်။

ကင်းထောက်အေးဂျင့်များက ဖိုင်တွဲနှင့် ဖိုင်တစ်ခုစီကို ဖတ်ရှုပြီး လုပ်ပိုင်ခွင့်နည်းသော အသုံးပြုသူများ ဝင်ရောက်အသုံးပြုနိုင်မှုနှင့် လုံခြုံရေးဆိုင်ရာ သက်ဆိုင်မှုအပေါ် မူတည်၍ စစ်ဆေးရမည့် နေရာများကို ရွေးချယ်သည်။

ဤအဆင့်တွင် စစ်ဆေးရမည့် နေရာ 5,034 ခု၊ ကုဒ်လိုင်းပေါင်း 2.8 သန်းခန့်ကို သတ်မှတ်နိုင်ခဲ့သည်။ ၎င်းသည် Linux kernel ကုဒ်တစ်ခုလုံး၏ 7% ခန့်ဖြစ်ပြီး ကုဒ်အားလုံးကို သုံးသပ်ခြင်းနှင့် နှိုင်းယှဉ်လျှင် လုံခြုံရေးစစ်ဆေးမှု ကုန်ကျစရိတ်ကို သိသိသာသာ လျှော့ချနိုင်ခဲ့သည်။ ဤအဆင့်အတွက် API ခရက်ဒစ်များ $3,426 ကုန်ကျခဲ့သည်။

ထို့နောက် သုံးသပ်ရေးအေးဂျင့်များက Codex Security ပလပ်အင်⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)နှင့် ဆင်တူသော လုပ်ငန်းစဉ်ကို အသုံးပြု၍ စစ်ဆေးရမည့် နေရာတစ်ခုစီကို သုံးသပ်ကာ ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက်များ ထုတ်ပေးခဲ့သည်။ ခြုံငုံပြောရလျှင် သုံးသပ်ရေးအေးဂျင့်များက တာဝန်ပေးထားသော နေရာ၏ ကုဒ်ကို ဖတ်ရှု၍ လုပ်ဆောင်ပုံကို နားလည်အောင်လုပ်သည်။ ထို့နောက် ခြိမ်းခြောက်မှုမော်ဒယ်ကို သတ်မှတ်ပြီး အားနည်းချက်များ ရှာဖွေသည်။

12 နာရီအတွင်း သုံးသပ်ရေးအေးဂျင့်များက ထပ်နေသည်များ ဖယ်ရှားပြီးနောက် ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက် 2,308 ခု ထုတ်ပေးခဲ့သည်။ ဤအဆင့်အတွက် API ခရက်ဒစ်များ $316,549 ကုန်ကျခဲ့သည်။

ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက်တစ်ခုသည် အတည်ပြုထားသော အားနည်းချက်နှင့် မတူပါ။ ဤပမာဏအထိ များပြားလာသောအခါ အစီရင်ခံစာတိုင်းကို လူကိုယ်တိုင် စုံစမ်းစစ်ဆေးရန် ကျွန်ုပ်တို့၏ သုတေသနအဖွဲ့အတွက် လက်တွေ့မဖြစ်နိုင်ပါ။

ထို့ကြောင့် (က) လုပ်ပိုင်ခွင့်နည်းသော အသုံးပြုသူ ဝင်ရောက်နိုင်ခြင်း၊ (ခ) အထူးလုပ်ပိုင်ခွင့် မလိုအပ်ခြင်း၊ (ဂ) မှတ်ဉာဏ်ပျက်စီးမှုကို တိုင်းတာနိုင်သည့် သက်သေထွက်ရှိခြင်းတို့နှင့် ကိုက်ညီသော တွေ့ရှိချက်များကို အတည်ပြုရန် အာရုံစိုက်ခဲ့သည်။

တွေ့ရှိချက်တစ်ခုစီအတွက် စိစစ်ခွဲခြားရေးအေးဂျင့်က အယူအဆသက်သေပြကုဒ် ဖန်တီးပြီး Kernel Address Sanitizer (KASAN) ပါသော Linux kernel သုံး သီးခြားခွဲထားသည့် အတုအယောင်စက်တွင် လုပ်ဆောင်ခဲ့သည်။ အေးဂျင့်က ပရိုဂရမ်ရလဒ်နှင့် စနစ်ကွန်ဆိုလ် နှစ်ခုလုံးကို ကြည့်ရှုကာ တင်ပြထားသော အပြုအမူ ပြန်ဖြစ်လာသည်အထိ သို့မဟုတ် ဖြစ်ပေါ်စေနိုင်သည့် နည်းလမ်းများ ကုန်ဆုံးသည်အထိ PoC ကို အကြိမ်ကြိမ် ပြုပြင်ခဲ့သည်။

နာရီ 30 အတွင်း ကျွန်ုပ်တို့၏ စနစ်က အားနည်းချက် 1724 ခုကို ပြန်လည်ဖော်ထုတ်နိုင်ခဲ့ပြီး ဖြစ်နိုင်ခြေရှိသော တွေ့ရှိချက် 2,308 ခု၏ 74.7% ခန့် ဖြစ်သည်။ ကုဒ်ကို မလုပ်ဆောင်ဘဲ ဖတ်ရှုသုံးသပ်ရုံဖြင့် အားနည်းချက်မဟုတ်သည်ကို အားနည်းချက်ဟု မှားယွင်းသတ်မှတ်နိုင်သည်။ ထို့ကြောင့် သုံးသပ်ရေးအေးဂျင့်များ၏ တိကျမှုနှင့် တွေ့ရှိချက် လေးပုံသုံးပုံနီးပါးအတွက် လက်တွေ့အလုပ်လုပ်သော PoC များကို ကိုယ်တိုင်ဖန်တီးနိုင်သည့် စိစစ်ခွဲခြားရေးအေးဂျင့်များ၏ ထိရောက်မှုကို ကျွန်ုပ်တို့ အထင်ကြီးခဲ့သည်။

ကျန်တွေ့ရှိချက်အများစုမှာ ပိုမြင့်သော လုပ်ပိုင်ခွင့် လိုအပ်ခြင်း၊ သို့မဟုတ် ခက်ခဲသော race condition များ၊ သီးသန့်ဖြစ်ပေါ်စေသည့် အခြေအနေများ (ဥပမာ ကုဒ်လိုင်းတစ်ခုတွင် မှတ်ဉာဏ်ခွဲဝေမှု မအောင်မြင်ရန် လိုအပ်ခြင်း)၊ အချိန်ကြာသော အတည်ပြုမှုများ (ဥပမာ refcount wraparound) ကြောင့် သတ်မှတ်အချိန်အတွင်း ပြန်လည်ဖော်ထုတ်၍ မရခြင်းတို့ ဖြစ်သည်။ 3.1% သာ မော်ဒယ်၏ မှားယွင်းသော သုံးသပ်မှုကြောင့် ဖြစ်ပြီး တင်ပြထားသော အားနည်းချက်တွင် မဖြစ်နိုင်သည့် အခြေအနေတစ်ခုကို ယူဆထားခြင်း ဖြစ်သည်။

အတည်ပြုစစ်ဆေးမှုအဆင့်အတွက် API ခရက်ဒစ်များ စုစုပေါင်း ဒေါ်လာ ၇၃,၃၃၀ ကုန်ကျခဲ့သည်။ တွေ့ရှိချက်တစ်ခုသည် တကယ့်အားနည်းချက် ဟုတ်မဟုတ် အတည်ပြုရန် PoC ဖန်တီးရသော ကျွန်ုပ်တို့၏ အတည်ပြုမှုစီမံဆောင်ရွက်မှုအဆင့်ဆင့်သည် ကုဒ်ကို ဖတ်ရှုသုံးသပ်ရုံဖြင့် အကြံပြုခြင်းထက် ကုန်ကျစရိတ် ပိုများကြောင်း တွေ့ရသည်။ တကယ့်အားနည်းချက်နှင့် မှားယွင်းသတ်မှတ်ထားသော အားနည်းချက်တို့ကို အတည်ပြုရန် ကြိုးပမ်းမှုကုန်ကျစရိတ်မှာလည်း ဆင်တူသည်။ ထို့ကြောင့် မှားယွင်းသတ်မှတ်ထားသော တွေ့ရှိချက်များကို အစောပိုင်းတွင် ဖယ်ရှားခြင်းက စီမံဆောင်ရွက်မှုအဆင့်ဆင့်၏ ကုန်ကျစရိတ်ထိရောက်မှုကို သိသိသာသာ တိုးတက်စေသည်။

အတည်ပြုစစ်ဆေးမှုက အားနည်းချက် အမှန်တကယ်ရှိကြောင်း ပြသသော်လည်း မည်မျှအရေးတကြီး ဖြေရှင်းသင့်ကြောင်း မဖော်ပြနိုင်ပါ။ ဥပမာ စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်နိုင်သည့် အားနည်းချက်သည် စက်တွင်းဝန်ဆောင်မှု ရပ်တန့်ခြင်းကိုသာ ဖြစ်စေနိုင်သော အားနည်းချက်ထက် ပိုမိုဦးစားပေးသင့်သည်။ အားနည်းချက် 1,724 ခုကို အတည်ပြုပြီးနောက် နောက်တစ်ဆင့်မှာ လုံခြုံရေးအပေါ် ထိခိုက်နိုင်မှု အကြီးမားဆုံး တွေ့ရှိချက်များကို သတ်မှတ်ရန် ဖြစ်သည်။

ကနဦးစိစစ်ရေးအေးဂျင့်က အစီရင်ခံစာ၊ စနစ်ရပ်တန့်မှုမှတ်တမ်းနှင့် သက်ဆိုင်ရာ မူရင်းကုဒ်တစ်ခုစီကို လုပ်ဆောင်ခြင်းမပြုဘဲ ဖတ်ရှုသုံးသပ်ခဲ့သည်။ ဖြစ်နိုင်ခြေရှိသော တိုက်ခိုက်လမ်းကြောင်းမရှိသည့် တွေ့ရှိချက်များကို စစ်ထုတ်သော်လည်း ပြင်းထန်နိုင်သည့် တွေ့ရှိချက်များ မပယ်မိစေရန် စိစစ်စံကို ရည်ရွယ်ချက်ရှိရှိ လျှော့ပေါ့ထားသည်။ ဤသို့ဖြင့် အချက်အလက်ပေါက်ကြားနိုင်ခြေရှိသော တွေ့ရှိချက် 313 ခုနှင့် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်နိုင်ခြေရှိသော တွေ့ရှိချက် 1,238 ခုအထိ ကျဉ်းမြောင်းလာခဲ့သည်။

ထို့နောက် တိုက်ခိုက်ကုဒ်ဖန်တီးရေး (ExploitDev) အေးဂျင့်များက ပုံမှန် Linux ဖြန့်ချိဗားရှင်း၏ ကာကွယ်မှုများ ဖွင့်ထားသည့် သီးခြားအတုအယောင်စက်များတွင် ထိုတွေ့ရှိချက်များကို စမ်းသပ်ခဲ့သည်။ ကာကွယ်မှုများတွင် Supervisor Mode Execution Prevention (SMEP)၊ Supervisor Mode Access Prevention (SMAP)၊ Kernel Address Space Layout Randomization (KASLR) နှင့် HARDENED_USERCOPY တို့ ပါဝင်သည်။ ဤနည်းက ကာကွယ်မှုများ ပိတ်ထားမှသာ ဖြစ်နိုင်သော လက်တွေ့မကျသည့် အကဲဖြတ်ချက်များကို တားဆီးပေးသည်။

အေးဂျင့်များက အချက်အလက်ပေါက်ကြားမှု PoC ၂၉၁ ခုနှင့် လုပ်ပိုင်ခွင့်မရှိသော စက်တွင်းအသုံးပြုသူများကို root ဝင်ရောက်ခွင့် ရစေနိုင်သည့် လက်တွေ့အလုပ်လုပ်သော စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ် ၁၁၆၉ ခု ဖန်တီးခဲ့သည်။

ကျွန်ုပ်တို့က ပုံစံကွဲများကို သုံးသပ်ပြီး ထိုတိုက်ခိုက်ကုဒ်များ အသုံးချသော အားနည်းချက်များအတွက် မတူညီသည့် ဖာထေးကုဒ် ၉၄၈ ခု ဖန်တီးခဲ့သည်။ ထပ်မနေသော စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု စုစုပေါင်းအရေအတွက်ကို ထိုကိန်းဂဏန်းဖြင့် သတ်မှတ်ထားသည်။ အောင်မြင်သော တိုက်ခိုက်ကုဒ်တစ်ခု ဖန်တီးရန် ပျမ်းမျှ ခရက်ဒစ်များ ဒေါ်လာ ၃၅၉ ကုန်ကျခဲ့သည်။ ထို့ကြောင့် ကာကွယ်သူများအတွက် တွေ့ရှိသော အားနည်းချက်များ၏ တိုက်ခိုက်အသုံးချနိုင်မှုကို စမ်းသပ်ရန် ကုန်ကျစရိတ် အတော်အတန် နည်းပါးသည်။

ကနဦးအားနည်းချက်စိစစ်ရေးအေးဂျင့်အတွက် API ခရက်ဒစ်များ $44,194 ကုန်ကျခဲ့သည်။ တိုက်ခိုက်မှုအဆင့်တွင် API ခရက်ဒစ်များ စုစုပေါင်း $775,929 ကုန်ကျခဲ့ပြီး အချက်အလက်ပေါက်ကြားနိုင်ခြေများ စမ်းသပ်ရန် $84,929၊ စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်နိုင်ခြေများအတွက် $691,000 ကုန်ကျခဲ့သည်။

ပျမ်းမျှအားဖြင့် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်နိုင်ခြေတစ်ခု စမ်းသပ်ရန် ကုန်ကျစရိတ် (ဒေါ်လာ ၅၅၈) သည် အချက်အလက်ပေါက်ကြားနိုင်ခြေတစ်ခုအတွက် ကုန်ကျစရိတ် (ဒေါ်လာ ၂၇၁) ၏ နှစ်ဆခန့် ဖြစ်သည်။ အကြောင်းမှာ အချက်အလက်ပေါက်ကြားမှု PoC များကို အတည်ပြုမှုအဆင့်မှ ဆက်လက်အသုံးပြုနိုင်ပြီး တိုက်ခိုက်ကုဒ်ထဲတွင် အသုံးပြုနိုင်ရန် ပြင်ဆင်မှု ပိုနည်းသောကြောင့် ဖြစ်သည်။ အခြားတစ်ဖက်တွင် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု ဖြစ်နိုင်ခြေတစ်ခုမှ တိုက်ခိုက်ကုဒ် ဖန်တီးရန် တိုက်ခိုက်မဟာဗျူဟာ စီစဉ်ခြင်း၊ အသုံးပြုမည့် အားနည်းသော object များ သတ်မှတ်ခြင်း၊ ကာကွယ်မှုများ ကျော်လွှားခြင်းစသည့် အပိုအဆင့်များစွာ လိုအပ်သည်။ မအောင်မြင်သော တိုက်ခိုက်ကြိုးပမ်းမှုများ၏ ကုန်ကျစရိတ် (၆၉ ခုအတွက် ဒေါ်လာ ၃၉၂၂) သည် အောင်မြင်သော ကြိုးပမ်းမှုများ (၁၁၆၉ ခုအတွက် ဒေါ်လာ ၃၆၀) ထက် များစွာပိုမြင့်ကြောင်းလည်း တွေ့ရသည်။ ဤသို့ဖြစ်ရခြင်းမှာ တိုက်ခိုက်အသုံးချရန် ခက်ခဲသော အားနည်းချက်အနည်းငယ် (ဥပမာ race condition များ) ကြောင့် ဖြစ်သည်။ တစ်နာရီကြာ တိုးတက်မှုမရှိပါက ကြိုးပမ်းမှုရပ်တန့်ခြင်းကဲ့သို့ သင့်လျော်သော လက်လျှော့စံ သတ်မှတ်ခဲ့လျှင် ExploitDev ကုန်ကျစရိတ်ကို သိသိသာသာ လျှော့ချနိုင်မည် ဖြစ်သည်။

အတည်ပြုပြီး အားနည်းချက်တစ်ခုစီအတွက် စနစ်က ဖာထေးကုဒ်လည်း ထုတ်လုပ်ပေးသည်။ မော်ဒယ်ကို သက်ဆိုင်ရာ မူရင်းကုဒ်ပေးပြီး ဖာထေးကုဒ်ရေးသားခြင်း၏ အကောင်းဆုံးကျင့်ထုံးများအတိုင်း လုပ်ဆောင်ရန် ညွှန်ကြားသည်။ ဥပမာ ဖာထေးကုဒ်ကို မလုပ်ဆောင်ဘဲ စစ်ဆေးခြင်း၊ အနီးဝန်းကျင်ကုဒ်တွင် သုံးထားသော ဆော့ဖ်ဝဲဖန်တီးမှုကျင့်ထုံးများ လိုက်နာခြင်းနှင့် ဖာထေးကုဒ် ပြည့်စုံစေရန် အားနည်းချက်ပုံစံကွဲများ သုံးသပ်ခြင်းတို့ ဖြစ်သည်။

Linux kernel အသိုင်းအဝိုင်း၏ အကြံပြုချက်အတိုင်း အလွန်ပြင်းထန်သော အားနည်းချက်များအတွက် အစီရင်ခံစာနှင့် ဖာထေးကုဒ် ရာနှင့်ချီ ပေးပို့ပြီးဖြစ်သည်။ ကျန်ဖာထေးကုဒ်များကို တဖြည်းဖြည်း ပေးပို့ရန် Patch the Planet မိတ်ဖက်များနှင့် ပူးပေါင်းဆောင်ရွက်နေသည်။ ဤလုပ်ဆောင်မှုသည် ပွင့်လင်းရင်းမြစ် စီမံကိန်းများကို ပံ့ပိုးရန် ကျွန်ုပ်တို့၏ ပိုမိုကျယ်ပြန့်သော Daybreak ကတိကဝတ်၏ တစ်စိတ်တစ်ပိုင်း ဖြစ်သည်။

ဤအပိုင်းတွင် သုတေသနမှ သင်ယူရရှိမှုများ၊ သုံးသပ်ချက်များနှင့် ထပ်ဆောင်းလေ့လာချက်များကို မျှဝေထားသည်။

ဤသုတေသနအတွင်း Linux ထိန်းသိမ်းသူများက အားနည်းချက်များ ပြင်ဆင်ပြီး အသုံးပြုသူများကို ကာကွယ်ရန် လျင်မြန်စွာ လုပ်ဆောင်နေကြောင်း တွေ့ရသည်။ 2026 အောက်တိုဘာလလယ်တွင် နောက်ဆုံးထွက် Linux kernel ကို စစ်ဆေးခဲ့သည်။ 10 ရက်ကြာပြီး အလိုအလျောက်စစ်ဆေးမှုနှင့် လူကိုယ်တိုင်သုံးသပ်မှု ပြီးဆုံးချိန်တွင် LPE 61 ခုကို မူရင်းစီမံကိန်း၌ ဖာထေးပြီးဖြစ်ကာ 43 ခုအတွက် ဖာထေးကုဒ်များ ထည့်သွင်းရန်ပြင်ဆင်ဆဲဖြစ်ပြီး 299 ခုကို အများပြည်သူရှေ့ တင်ပြဆွေးနွေးနေကြသည်။

တွေ့ရှိထားသော ပြဿနာများကို အရေးတကြီး ဖာထေးနေကြသည့် Linux ထိန်းသိမ်းသူများနှင့် မိမိတို့၏ တွေ့ရှိချက်များကို မျှဝေပေးသည့် လုံခြုံရေးအသိုင်းအဝိုင်းတစ်ရပ်လုံးကို အထူးကျေးဇူးတင်ပါသည်။ ကမ္ဘာ့ဆော့ဖ်ဝဲများ လုံခြုံစေရန် ဤကဲ့သို့ ပူးပေါင်းတုံ့ပြန်မှု လိုအပ်သည်။ အားနည်းချက်များ ထုတ်ဖော်အသိပေးခြင်းနှင့် ဖာထေးခြင်း အလျင်အမြန် ဖြစ်ပေါ်နေမှုက အသုံးပြုသူများနှင့် ကုမ္ပဏီများအနေဖြင့် ဆော့ဖ်ဝဲကို အမြဲနောက်ဆုံးဗားရှင်းထားရန် အလွန်အရေးကြီးကြောင်းလည်း ပြသသည်။

အဓိကသင်ခန်းစာ - အလိုအလျောက် စိစစ်ခွဲခြားမှုသည် လျင်မြန်သော ဖာထေးမှုစက်ဝန်းကို ထည့်သွင်းစဉ်းစားသင့်သည်။ မူလစစ်ဆေးမှုနောက်ပိုင်း ပေါင်းထည့်ထားသော ကုဒ်သစ်များအပါအဝင် နောက်ဆုံးကုဒ်နှင့် တွေ့ရှိချက်များကို ပြန်လည်အတည်ပြုခြင်းက ထပ်နေသော သို့မဟုတ် အကျုံးမဝင်တော့သော အစီရင်ခံစာများကို ရှောင်ရှားနိုင်စေသည်။ ဤသို့ဖြင့် မဖြေရှင်းရသေးသော အားနည်းချက်များကို အာရုံစိုက်နိုင်ပြီး ထိန်းသိမ်းသူများအတွက် မလိုအပ်သော သုံးသပ်မှုဝန်ထုပ်ဝန်ပိုး မတိုးစေဘဲ လက်တွေ့ဆောင်ရွက်နိုင်သည့် သက်သေများ ပေးနိုင်သည်။

လုပ်ငန်းစဉ်ကို ဖန်တီးနေစဉ် 2026 ဇူလိုင်လနှောင်းပိုင်းတွင် GPT‑5.6 Sol က မတူညီသော LPE အားနည်းချက် 166 ခုကို ရှာဖွေတိုက်ခိုက်နိုင်ခဲ့ပြီး အစအဆုံး API ခရက်ဒစ်များ $513,690 ကုန်ကျခဲ့သည်။

2026 အောက်တိုဘာလလယ် ဒုတိယစစ်ဆေးမှုတွင် ပိုသစ်သော ဆိုက်ဘာမော်ဒယ်က မတူညီသော LPE အားနည်းချက် 948 ခုကို ရှာဖွေတိုက်ခိုက်နိုင်ခဲ့ပြီး အစအဆုံး API ခရက်ဒစ်များ $1,213,430 ကုန်ကျခဲ့သည်။ စမ်းသပ်မှုနှစ်ကြိမ်လုံးတွင် ထိုအချိန်က နောက်ဆုံး Linux kernel master branch ကို စစ်ဆေးခဲ့သည်။

အဓိကသင်ခန်းစာ - မော်ဒယ်စွမ်းရည် တိုးတက်လာသည်နှင့် ယခင်စစ်ဆေးပြီးသော ကုဒ်ကို ထပ်မံစစ်ဆေးပါ။ တူညီသော သုတေသန အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို သုံးသော်လည်း စွမ်းရည်ပိုမြင့်သော မော်ဒယ်က ယခင်မော်ဒယ်များ လွတ်သွားသော အားနည်းချက်များကို ဖော်ထုတ်နိုင်သည်။

အေးဂျင့်များ ဖန်တီးထားသော တိုက်ခိုက်ကုဒ် 166 ခုကို နမူနာရွေးချယ်၍ ၎င်းတို့တွင် သုံးထားသော တိုက်ခိုက်နည်းစနစ်များကို သုံးသပ်ခဲ့သည်။ ကျွန်ုပ်တို့ သိရှိထားသမျှအရ အေးဂျင့်များသည် ထိုနမူနာတိုက်ခိုက်ကုဒ်များတွင် နည်းစနစ်သစ် 10 ခုကို အသုံးပြုခဲ့သည်။ ထိုနည်းစနစ်များကို ပြင်ပ kernel တိုက်ခိုက်အသုံးချမှု ကျွမ်းကျင်သူများထံ မျှဝေခဲ့ရာ ၎င်းတို့အတွက်လည်း အသစ်ဖြစ်နေခဲ့သည်။

နည်းစနစ် 10 ခုအနက် နှစ်ခုမှာ ပစ်မှတ် kernel cache အတွင်း object များ အများအပြားထည့်ရန် မော်ဒယ်အသုံးပြုသော persistent elastic object သစ်များဖြစ်သည်။ နှစ်ခုမှာ တိုက်ခိုက်ကုဒ်၏ ယုံကြည်စိတ်ချရမှု တိုးစေသည့် မှတ်ဉာဏ်စာမျက်နှာ နေရာချမှုနည်းသစ်များဖြစ်သည်။ ငါးခုမှာ ဒေတာကိုသာ ပြောင်းလဲ၍ တိုက်ရိုက်ဖြစ်စေ၊ စိတ်ကြိုက်နေရာတွင် ရေးသားမှုမှတစ်ဆင့်ဖြစ်စေ လုပ်ပိုင်ခွင့်မြှင့်တင်သည့် နည်းသစ်များဖြစ်ပြီး ကျန်တစ်ခုမှာ စိတ်ကြိုက်အမျိုးအစား ရောထွေးမှုကို အသုံးချသည်။ ဘေးကင်းရေးအတွက် ဤပို့စ်တွင် နည်းစနစ်သစ်များ၏ နည်းပညာအသေးစိတ် အပြည့်အစုံကို မမျှဝေထားပါ။

အဓိကသင်ခန်းစာ - စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များသည် သိပြီးသား အားနည်းသော ကုဒ်ပုံစံများနှင့် တိုက်ဆိုင်ရှာဖွေရုံ သို့မဟုတ် သိပြီးသား တိုက်ခိုက်နည်းများကိုသာ သုံးခြင်းမဟုတ်ဘဲ ဖန်တီးနိုင်စွမ်းနှင့် ချဉ်းကပ်နည်းသစ်များကို ပြသကြသည်။

ကျွန်ုပ်တို့အဖွဲ့၏ အဓိကတာဝန်တစ်ခုမှာ အားနည်းချက်ရှာဖွေတိုက်ခိုက်မှု ကုန်ကျစရိတ်ကို တိုင်းတာပြီး ထိုသက်သေများဖြင့် ကာကွယ်ရေးရင်းနှီးမြှုပ်နှံမှုကို လမ်းညွှန်ရန် ဖြစ်သည်။ ကျွန်ုပ်တို့၏ ရည်မှန်းချက်မှာ တိုက်ခိုက်သူများ အသုံးမချနိုင်မီ ကာကွယ်သူများက အားနည်းချက်များကို ပြင်ဆင်နိုင်စေရန်နှင့် ဆော့ဖ်ဝဲတိုက်ခိုက်မှုကုန်ကျစရိတ်ကို တိုက်ခိုက်သူများအတွက် မတတ်နိုင်လောက်အောင် မြင့်မားစေရန် ဖြစ်သည်။ တိုက်ခိုက်ကုန်ကျစရိတ် တိုင်းတာခြင်းက မော်ဒယ်စွမ်းရည် တိုးတက်လာသည်နှင့် ဤစိန်ခေါ်မှု မည်သို့ပြောင်းလဲသည်ကို အကဲဖြတ်နိုင်စေသည်။ ဤအပိုင်းတွင် ကျွန်ုပ်တို့၏ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်ကုန်ကျစရိတ်နှင့် တွေ့ရှိသော အားနည်းချက်များအတွက် ရနိုင်သည့် အားနည်းချက်ရှာဖွေရေး ဆုကြေးများကို နှိုင်းယှဉ်ထားသည်။

စမ်းသပ်မှု၏ ပစ်မှတ်အတုအယောင်စက်များတွင် လုံခြုံရေးအားလျှော့ထားခြင်းမရှိသော ပုံမှန် ဒက်စ်တော့လည်ပတ်စနစ်ကို အသုံးပြုထားသည်။ ဆိုက်ဘာလုံခြုံရေးပြိုင်ပွဲများ (ဥပမာ Pwn2Own⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)၊ TyphoonPWN⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်)) နှင့် တူညီသော ခြိမ်းခြောက်မှုမော်ဒယ်ကို အသုံးပြုထားသည်။ ယခင်က Pwn2Own နှင့် TyphoonPWN တို့သည် Linux kernel စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ်များအတွက် ဆုကြေး ဒေါ်လာ ၂၀,၀၀၀ နှင့် ဒေါ်လာ ၇၀,၀၀၀ ကို အသီးသီး ပေးခဲ့သည်။ ထိုယခင်ဆုကြေးနှုန်းများဖြင့် တိုက်ခိုက်ကုဒ် ၉၄၈ ခုကို တွက်ချက်လျှင် သဘောတရားအရ တန်ဖိုးမှာ ဒေါ်လာ ၁၈.၉ သန်းမှ ဒေါ်လာ ၆၆.၃ သန်း ဖြစ်ပြီး ကျွန်ုပ်တို့၏ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်ကုန်ကျစရိတ်၏ ၁၆ ဆမှ ၅၅ ဆခန့် ဖြစ်သည်။

တိုက်ခိုက်နိုင်သည့် နေရာများ လျှော့ချ၍ လုံခြုံရေးအားဖြည့်ထားသော Linux kernel ကို ပစ်မှတ်ထားသည့် Google ၏ kernelCTF⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) အားနည်းချက်ရှာဖွေရေး ဆုကြေးအစီအစဉ်တွင်လည်း ကျွန်ုပ်တို့၏ စီမံဆောင်ရွက်မှုအဆင့်ဆင့်ကို စမ်းသပ်ခဲ့သည်။ kernelCTF ပတ်ဝန်းကျင်၌ နောက်ဆုံး Linux kernel ဗားရှင်းဖြင့် လုပ်ဆောင်ခဲ့ရာ အချက်အလက်ပေါက်ကြားမှု PoC ၂၅ ခုနှင့် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ် ၂၁ ခု ရရှိခဲ့သည်။ ထိုဗားရှင်းသည် kernelCTF ၏ SLAB_VIRTUAL ကာကွယ်မှုနှင့် မကိုက်ညီသဖြင့် ဆက်တင်မှ ၎င်းကို ဖယ်ထားခဲ့သည်။ နှိုင်းယှဉ်ကြည့်လျှင် ဤစာရေးသားချိန်အထိ ၂၀၂၆ ခုနှစ်တွင် kernelCTF က အတည်ပြုပြီးသော 0-day LPE တိုက်ခိုက်ကုဒ် ၂၆ ခုကို လက်ခံထားသည်။ စမ်းသပ်မှုတစ်ခုလုံး ၁၁၂ နာရီကြာမြင့်ပြီး API ခရက်ဒစ်များ ဒေါ်လာ ၃၂၉၃၆ ခန့် ကုန်ကျခဲ့သည်။ အားနည်းချက်ရှာဖွေမှုက API ကုန်ကျစရိတ်၏ ၈၃.၇% ရှိသည်။ အားနည်းချက် ၂၁ ခုကို အစီအစဉ်က လက်ခံခဲ့လျှင် ဆုကြေး ဒေါ်လာ ၁.၅ သန်းခန့် ရရှိမည်ဖြစ်ပြီး ကုန်ကျစရိတ်၏ ၄၅ ဆခန့် ဖြစ်သည်။

အဓိကသင်ခန်းစာ - အများပြည်သူသိရှိသော ဆုကြေးပမာဏများအရ လက်ရှိ ဆိုက်ဘာစွမ်းရည်ရှိ မော်ဒယ်များသုံး ကျွန်ုပ်တို့၏ အားနည်းချက်သုတေသနစီမံဆောင်ရွက်မှုအဆင့်ဆင့်သည် ဤသုတေသနပြုချိန်၌ အသားတင်အမြတ်ရနိုင်သော အခြေအနေရှိသည်။ ကာကွယ်သူများသည် တိုက်ခိုက်သူများအတွက် တိုက်ခိုက်အသုံးချရန် ကုန်ကျစရိတ် မတတ်နိုင်လောက်အောင် မြင့်မားလာစေရန် မိမိတို့ဆော့ဖ်ဝဲကို ကြိုတင်သုံးသပ်သင့်သည်။

တိုက်ခိုက်အသုံးချနိုင်မှု အကဲဖြတ်စဉ် ExploitDev အေးဂျင့်များကို အားနည်းချက်အစီရင်ခံစာ ပေးပြီး အပြည့်အဝ အလုပ်လုပ်သော တိုက်ခိုက်ကုဒ် ဖန်တီးရန် တာဝန်ပေးခဲ့သည်။ root shell ကို အောင်မြင်စွာ ရရှိပါက ကျွန်ုပ်တို့၏ လုပ်ငန်းစဉ်က ထိုအားနည်းချက်ကို တိုက်ခိုက်အသုံးချနိုင်ပြီဟု မှတ်သားခဲ့သည်။ အစောပိုင်း လုပ်ဆောင်မှုတစ်ခုတွင် တိုက်ခိုက်မှုအဆင့်က အောင်မြင်သော စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ် 200 ခု ရရှိကြောင်း တင်ပြခဲ့သည်။ သို့သော် လူသားများ သုံးသပ်ပြီးနောက် ၎င်းတို့အနက် 20 ခုသည် တာဝန်ပေးထားသည့် အားနည်းချက်မဟုတ်ဘဲ အခြား 0-day အားနည်းချက်မှတစ်ဆင့် root လုပ်ပိုင်ခွင့် ရရှိခဲ့ကြောင်း တွေ့ရသည်။ ဤအချက်က အေးဂျင့်များ အောင်မြင်စွာ တိုက်ခိုက်အသုံးချနိုင်လျှင်ပင် မှန်ကန်စွာ အတည်ပြုစစ်ဆေးရန် လိုအပ်ကြောင်း ပြသသည်။

ထို့နောက် လုပ်ငန်းကန့်သတ်ချက်များကို တင်းကျပ်ပြီး နောက်ဆုံးတိုက်ခိုက်ကုဒ်တိုင်းက သတ်မှတ်ထားသော အားနည်းချက်ကို အသုံးပြုကြောင်း သီးခြားအတည်ပြုသည့် စစ်ဆေးမှုတစ်ခု ထည့်သွင်းခဲ့သည်။

အဓိကသင်ခန်းစာ - ကိုယ်တိုင်လုပ်ဆောင်သော လုံခြုံရေးသုတေသနတွင် ရလဒ်သာမက ထိုရလဒ်ရရှိသည့် လမ်းကြောင်းကိုပါ အတည်ပြုပါ။ သီးခြားခွဲထားခြင်း၊ စောင့်ကြည့်ခြင်းနှင့် သီးခြားစစ်ဆေးမှုများသည် လိုအပ်သော ထိန်းချုပ်မှုများ ဖြစ်သည်။

သုတေသနအစောပိုင်းတွင် အေးဂျင့်၏ ဆိုက်ဘာစွမ်းရည် တိုးမြှင့်ရန် ၎င်းပတ်ဝန်းကျင်၌ ရှုပ်ထွေးကျယ်ပြန့်သော စီမံညှိနှိုင်းစနစ် တည်ဆောက်သင့်မသင့် လေ့လာခဲ့သည်။ ရလဒ်အရ စွမ်းရည်ပိုမြင့်သော မော်ဒယ်များသည် စီမံညှိနှိုင်းမှုနှင့် အဆင့်ဆင့်လမ်းညွှန်မှု ပိုနည်းနည်းသာ လိုအပ်ကြောင်း တွေ့ရသည်။ အနည်းငယ်သာ တိုးတက်လာမှုသည် ထိန်းသိမ်းမှုကုန်ကျစရိတ်နှင့် မတန်ပါ။ ထို့ကြောင့် ရှုပ်ထွေးကျယ်ပြန့်သော စီမံညှိနှိုင်းမှုကို ဖယ်ရှားရန် ဆုံးဖြတ်ခဲ့သည်။

ဤစမ်းသပ်မှုတွင် GPT‑5.5 Cyber နှင့် GPT‑5.6 Cyber ကို နှိုင်းယှဉ်ခဲ့သည်။ ကျွန်ုပ်တို့ လေ့လာချက်အရ GPT‑5.5 Cyber သည် ရှိပြီးသား Linux kernel တိုက်ခိုက်နည်းစနစ်များကို မည်သည့်အချိန်၌ မည်သို့သုံးရမည်ကို အမြဲတမ်း မှန်ကန်စွာ မသတ်မှတ်နိုင်ခဲ့ပါ။ ထို့နောက် နည်းစနစ် 103 ခုကို မော်ဒယ်အတွက် နားလည်လွယ်သော ပုံစံဖြင့် စုစည်း၍ အေးဂျင့်၏ ပတ်ဝန်းကျင်တွင် ထည့်ပေးကာ အသုံးပြုရန် ညွှန်ကြားခဲ့သည်။ တိုက်ခိုက်နိုင်ခြေရှိသော အားနည်းချက် 63 ခုတွင် ဤနည်းဖြင့် အောင်မြင်နှုန်းကို 76.2% မှ 88.9% သို့ တိုးစေခဲ့သည်။

GPT‑5.6 Cyber ဖြင့် ထပ်မံစမ်းသပ်ရာ မော်ဒယ်က သက်ဆိုင်သော နည်းစနစ်များကို ကိုယ်တိုင် ရှာဖွေ၊ ရွေးချယ်၊ အသုံးပြုနိုင်မှု ပိုကောင်းခဲ့သည်။ နည်းစနစ်နှင့် ကျွမ်းကျင်မှု စီမံညှိနှိုင်းစနစ်ကို ဖယ်ရှားခဲ့သည်။ ထိုသို့ စီမံညှိနှိုင်းမှုနည်းသော GPT‑5.6 Cyber လုပ်ငန်းစဉ်သည် အထောက်အကူစနစ် ပိုများသော GPT‑5.5 Cyber လုပ်ငန်းစဉ်ထက် ရလဒ်ပိုကောင်းခဲ့သည်။ GPT‑5.6 Cyber အတွက် နည်းစနစ်အလွှာကို ပြန်ထည့်ရာ ရာခိုင်နှုန်းပွိုင့် 1.5 မျှသာ တိုးတက်ခဲ့သည်။

အဓိကသင်ခန်းစာ - အခြေခံမော်ဒယ်စွမ်းရည် ပြောင်းလဲလာသည်နှင့် သင်၏ စီမံညှိနှိုင်းမှုနှင့် အကဲဖြတ်စမ်းသပ်မှု စနစ်ကို ပြန်လည်အကဲဖြတ်ပါ။ မော်ဒယ်မျိုးဆက်တစ်ခုကို သိသိသာသာ တိုးတက်စေသော အထောက်အကူစနစ်သည် ပိုအားကောင်းသော မော်ဒယ်အတွက် အကျိုးနည်းနိုင်သဖြင့် ထိန်းသိမ်းမှုကုန်ကျစရိတ်နှင့် ချိန်ဆအကဲဖြတ်သင့်သည်။

အစပိုင်းတွင် အဆိုပြုဖာထေးကုဒ် ထုတ်လုပ်ရန် တိုက်ရိုက်ညွှန်ကြားသောအခါ မော်ဒယ်က PoC တိုက်ခိုက်မှုကို တားဆီးပေးသော လုပ်ဆောင်ချက်မှန်ကန်သည့် ဖာထေးကုဒ်များ ဖန်တီးခဲ့သော်လည်း တစ်ခါတစ်ရံ အခြားပြဿနာများ ဖြစ်စေခဲ့သည်။ လိုအပ်သည်ထက် ကုဒ်ပိုများခြင်း၊ စွမ်းဆောင်ရည် ထိခိုက်နိုင်ခြင်း၊ ကုဒ်ရေးသားစံမှ သွေဖည်ခြင်း၊ ဆက်စပ်ကုဒ်တွင် အလားတူအားနည်းချက်ပုံစံကွဲများကို မစစ်ဆေး၍ ဖာထေးကုဒ် မပြည့်စုံခြင်းတို့ ဖြစ်သည်။

ထပ်ဆောင်းညွှန်ကြားချက်များနှင့် ဖာထေးကုဒ်ထုတ်လုပ်မှု လုပ်ငန်းစဉ်ကို အကြိမ်ကြိမ် ပြုပြင်ခြင်းက ဖာထေးကုဒ်အရည်အသွေးကို တိုးတက်စေခဲ့သည်။ ထို့ကြောင့် မှန်ကန်စွာ စီမံပါက AI ထုတ်လုပ်သော လုံခြုံရေးဖာထေးကုဒ်များသည် မှန်ကန်၊ ကျစ်လျစ်ပြီး ရှိပြီးသား ကုဒ်ရေးသားစံနှင့် ကိုက်ညီနိုင်ကြောင်း ပြသသည်။ ဤနယ်ပယ်တွင် သုတေသနများ တက်ကြွစွာ လုပ်ဆောင်နေပြီး အနာဂတ်မော်ဒယ်များဖြင့် ပိုလွယ်ကူထိရောက်လာမည်ဟု ကျွန်ုပ်တို့ ယုံကြည်သည်။ အချို့ကိစ္စများတွင် ကျွန်ုပ်တို့၏ သုတေသနရှေ့ပြေးစနစ်က လူသားကျွမ်းကျင်သူများ ရေးသားထားသော ဖာထေးကုဒ်ရှိ ပြဿနာများကိုပါ ရှာတွေ့ခဲ့ပြီး မူရင်းကုဒ်ထဲ မပေါင်းထည့်မီ ပြင်ဆင်နိုင်ခဲ့သည်။

အဓိကသင်ခန်းစာ - မော်ဒယ်များက ဖာထေးမှုကို မြန်ဆန်စေနိုင်သော်လည်း ဖာထေးကုဒ်များက လုပ်ဆောင်ချက်ဆိုင်ရာနှင့် အခြားအရည်အသွေးဆိုင်ရာ လိုအပ်ချက်များကို စိတ်ချရစွာ ဖြည့်ဆည်းနိုင်ရန် ဖာထေးကျွမ်းကျင်မှုများနှင့် အကဲဖြတ်စမ်းသပ်မှု စနစ်များကို အကြိမ်ကြိမ် ပြုပြင်ရန် လိုနိုင်သည်။ ထို့အပြင် လူသားနှင့် AI ရေးသားသော ဖာထေးကုဒ်များကို တိုက်ခိုက်သူအမြင်မှ သုံးသပ်ရန် မော်ဒယ်များ အသုံးပြုဖို့ အကြံပြုသည်။ ဤနည်းဖြင့် ဖာထေးကုဒ်ကို ကျော်လွှားနိုင်ခြင်း၊ အခြားတိုက်ခိုက်လမ်းကြောင်းများ သို့မဟုတ် ပုံစံကွဲများကို လွတ်သွားခြင်းစသည့် ပြဿနာများကို ရှာဖွေနိုင်သည်။

kernelCTF စမ်းသပ်မှုတွင် Linux kernel 0-day တိုက်ခိုက်ကုဒ် 21 ခုအပြင် ကျွန်ုပ်တို့၏ သုတေသနရှေ့ပြေးစနစ်က QEMU TCG အားနည်းချက်တစ်ခုကိုလည်း ရှာဖွေတိုက်ခိုက်နိုင်ခဲ့သည်။ သုံးသပ်ရေးအေးဂျင့်ကို system call အဝင်ကုဒ် သုံးသပ်ရန် တာဝန်ပေးထားပြီး လုပ်ပိုင်ခွင့်အဆင့် ကူးပြောင်းမှုများ စမ်းသပ်ရန် ပရိုဂရမ်ရေးသားစဉ် မမျှော်လင့်ထားသော kernel ရပ်တန့်မှု ကြုံတွေ့ခဲ့သည်။ ၎င်းက ရပ်တန့်မှုကို စိစစ်ခွဲခြားပြီး QEMU မူရင်းကုဒ်ကို မကြည့်ရှုနိုင်ဘဲ ပြဿနာ၏ အရင်းအမြစ်မှာ QEMU TCG ဖြစ်ကြောင်း ခြေရာခံနိုင်ခဲ့ကာ အစီရင်ခံစာတွင် ထိုအားနည်းချက်ကို ထည့်သွင်းခဲ့သည်။ ထို့နောက် ExploitDev အေးဂျင့်က ဤအားနည်းချက်အတွက် စက်တွင်းလုပ်ပိုင်ခွင့်မြှင့်တင်မှု တိုက်ခိုက်ကုဒ်ကို အောင်မြင်စွာ ဖန်တီးနိုင်ခဲ့သည်။ တိုက်ခိုက်ကုဒ်များကို လူကိုယ်တိုင် သုံးသပ်စဉ် ဤ QEMU အားနည်းချက်ကို ကျွန်ုပ်တို့ တွေ့ရှိခဲ့သည်။ ၎င်းကို မူရင်း QEMU စီမံကိန်းတွင် ပြင်ဆင်ပြီးဖြစ်သော်လည်း စမ်းသပ်မှု၌ သုံးထားသော ဖြန့်ချိဗားရှင်းတွင် မပြင်ဆင်ရသေးကြောင်း အတည်ပြုနိုင်ခဲ့သည်။

အဓိကသင်ခန်းစာ - ဆိုက်ဘာစွမ်းရည်ရှိ စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များသည် စမ်းသပ်ရေးအခြေခံစနစ်ရှိ အားနည်းချက်များကို ရှာဖွေနိုင်သည်။ တိုက်ခိုက်မှုအခြေပြု အားနည်းချက်သုတေသန မလုပ်ဆောင်မီ အခြေခံစနစ်၏ အစိတ်အပိုင်းတိုင်းကို စမ်းသပ်ရန် အကြံပြုသည်။ ကျွန်ုပ်တို့သည် မိမိတို့၏ အခြေခံစနစ်ကို ကြိုတင်စမ်းသပ်ခဲ့ပြီး Kata၊ Moby/Docker၊ gVisor နှင့် အခြားစီမံကိန်းများရှိ အားနည်းချက်များစွာကို ထုတ်ဖော်အသိပေး၍ ဖာထေးခဲ့သည်။

ကျွန်ုပ်တို့၏ ရည်မှန်းချက်မှာ မော်ဒယ်များ၏ တိုးတက်လာသော စွမ်းရည်ကို အင်တာနက်လုံခြုံရေး ဆောင်ရွက်သူများအတွက် ရေရှည်အသာစီးရစေမည့် အားသာချက်အဖြစ် ပြောင်းလဲပေးရန် ဖြစ်သည်။ ဤသုတေသနက စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်များ၏ တိုးတက်လာသော ဆိုက်ဘာစွမ်းရည်ကို Linux kernel ကဲ့သို့ ရှုပ်ထွေးသော ဆော့ဖ်ဝဲများရှိ လုံခြုံရေးအားနည်းချက်များ ရှာဖွေရာတွင် ထိရောက်စွာ အသုံးပြုနိုင်ကြောင်း ပြသသည်။ Linux နှင့် အခြား ပွင့်လင်းရင်းမြစ် စီမံကိန်းများကဲ့သို့ အရေးပါသော ဆော့ဖ်ဝဲစီမံကိန်းများ၏ လုံခြုံရေးကို ခိုင်မာစေခြင်းဖြင့် ၎င်းတို့ကို မှီခိုသုံးစွဲသည့် စနစ်များနှင့် အသုံးပြုသူများစွာကို ကာကွယ်ပေးနိုင်သည်။

Patch the Planet မှတစ်ဆင့် Daybreak အစီအစဉ်တစ်ခုဖြစ်သော ဤသုတေသနကို အခြား အရေးပါသော ဆော့ဖ်ဝဲစီမံကိန်းများသို့ ချဲ့ထွင်ရန်နှင့် ထိန်းသိမ်းသူများ၊ လုံခြုံရေးမိတ်ဖက်များနှင့်အတူ ယုံကြည်စိတ်ချရသော အလိုအလျောက် ပြင်ဆင်ဖာထေးမှုစနစ် ဖော်ဆောင်ရန် ရည်ရွယ်ထားသည်။ တိုက်ခိုက်သူများ၏ အခွင့်အလမ်းများကို တဖြည်းဖြည်း လျှော့ချပြီး အားနည်းချက်များ ရှာဖွေအသုံးချရန် ကုန်ကျစရိတ်ကို တိုးမြှင့်လိုသည်။ မျှော်မှန်းအကျိုးအမြတ်က တိုက်ခိုက်မှုအတွက် မတန်တော့သည့် အခြေအနေအထိ ရောက်ရှိစေလိုသည်။

မော်ဒယ်မျိုးဆက်တိုင်းသည် နောက်မျိုးဆက် မော်ဒယ်များအတွက် ထိုးဖောက်ရန် ပိုခက်ခဲသော ဆော့ဖ်ဝဲများ တည်ဆောက်နိုင်ရေးကို ကူညီပေးသင့်သည်။ မည်သူမဆို ပျော်ရွှင်စွာ ဖန်တီးတည်ဆောက်နိုင်သည့် လုံခြုံသော အင်တာနက်ဖြစ်လာရန် ကျွန်ုပ်တို့ ဆက်လက်ကြိုးပမ်းသွားမည်။