Хиљаду путева мање до root приступа

Безбедносна истраживања која су некада захтевала засебно и дуготрајно испитивање сваког налаза све чешће се могу спроводити као систематичан процес. Овај документ представља један од наших подухвата у тој области.

Откривање рањивости све је лакше спроводити у већем обиму, али одређивање приоритета и валидација и даље су уска грла у раду. Направили смо прототип за проналажење безбедносних пропуста у језгру Linux-а у контролисаном истраживачком окружењу. Наш прототип је открио и анализирао 2.308 потенцијалних налаза у језгру Linux-а, динамички репродуковао 1.724 рањивости и израдио 948 експлоита за локално подизање привилегија (LPE), који би локалном кориснику без привилегија могли да омогуће root приступ.

Ове доказе смо употребили да одредимо приоритете за пријављивање рањивости и развили предлоге закрпа које одржаваоци треба да прегледају. Пратећи смернице заједнице језгра Linux-а, почели смо од критичних рањивости и са партнерима иницијативе Patch the Planet радимо на даљим извештајима и закрпама.

У јуну смо, у оквиру наше иницијативе Patch the Planet, објавили да је GPT‑5.5 Cyber открио рањивости у језгру Linux-а и развио 24 експлоита за локално подизање привилегија ради њихове валидације и пријављивања. Тај рад смо проширили у процес који покреће предстојећи модел за сајбер безбедност, а који обухвата откривање рањивости, динамичку валидацију, процену могућности искоришћавања и генерисање закрпа. По завршетку процеса, истраживачи су прегледали резултате и пријавили пронађене рањивости заједно са закрпама.

Језгро Linux-а чини основу Android уређаја, инфраструктуре у облаку, суперрачунара и других система које користе милијарде људи. Са више од 40 милиона линија кода, језгро излаже широку површину напада кроз системске позиве, мрежне функције, системе датотека и управљачке програме уређаја. Изабрали смо Linux да бисмо испитали колико ефикасно гранични модели могу да пронађу рањивости и покажу њихов утицај на безбедност у бази кода овог обима и значаја.

Почетна фаза откривања рањивости дала је хиљаде потенцијалних налаза, превише да би истраживачи безбедности могли ручно да их прегледају и обаве тријажу. Оперативни изазов нашег процеса није било само откривање рањивости, већ утврђивање који налази могу да се репродукују, коју безбедносну границу прелазе и који захтевају најхитнију пажњу одржавалаца.

Мисија тима за сајбер безбедност компаније OpenAI јесте да помогне у заштити софтвера на који се свет ослања. Наводимо API трошкове за сваку фазу како бисмо истраживачима помогли да процене ресурсе потребне за понављање и проширивање овог рада. Ови трошкови одражавају моделе, конфигурације циљних система и ток рада коришћене у овој евалуацији. Наш шири циљ је да помогнемо тимовима за одбрану да пронађу и исправе рањивости, смањујући могућности доступне нападачима и повећавајући њихове трошкове искоришћавања софтверских пропуста.

На крају, напомињемо да смо се у овом истраживању усредсредили на методологију и мерење способности модела, а не на трошкове. Очекујемо да би довољно инжењерског рада на окружењу могло знатно да смањи трошкове сваке фазе; зато наведени трошкови пре представљају горњу границу.

Наш прототип за истраживање рањивости састоји се од пет фаза, а у његовој основи је предстојећи модел за сајбер безбедност:

• Откривање рањивости: Агенти препознају делове кода важне за безбедност и скенирају их у потрази за потенцијалним налазима.

• Динамичка валидација: Агенти покушавају да репродукују сваки потенцијални налаз у изолованом окружењу и чувају доказе прикупљене током извршавања. Резултат овог корака су репродуковане и потврђене рањивости.

• Процена могућности искоришћавања: Агенти тестирају да ли потврђене рањивости могу да омогуће откривање информација или локално подизање привилегија.

• Генерисање закрпа: Агенти генеришу закрпе које отклањају сваку откривену рањивост.

• Људски преглед: Истраживачи безбедности прегледају експлоит, закрпу и предложену оцену озбиљности пре пријављивања одржаваоцима.

На крају процеса систем обједињује анализу основног узрока, минимални доказ концепта који изазива пад, предлог закрпе и потпун експлоит, како би истраживачи лакше проценили озбиљност рањивости и доставили исправке изворном пројекту.

Није свака линија кода у језгру Linux-а важна за безбедност. Наш процес је користио тим агената извиђача да издвоји делове кода који су највреднији за безбедносну проверу, а затим их прослеђивао агентима аналитичарима ради скенирања рањивости.

Агенти извиђачи прегледају сваку фасциклу и датотеку и одређују шта треба проверити на основу доступности корисницима са ниским привилегијама и значаја за безбедност.

У овој фази издвојена су 5.034 циља за проверу, односно око 2,8 милиона линија кода, што је приближно 7% целокупног кода језгра Linux-а. Тиме су трошкови безбедносне провере знатно смањени у поређењу са анализом целокупног кода. Овај корак коштао је 3.426 долара у API кредитима.

Затим су агенти аналитичари анализирали сваки циљ провере и издвојили потенцијалне налазе, користећи ток рада сличан оном у програмском додатку Codex Security⁠(отвара се у новом прозору). У основним цртама, агенти аналитичари читају код додељен за проверу да би разумели како ради, утврдили његов модел претњи и потражили рањивости.

За 12 сати агенти аналитичари су издвојили 2.308 потенцијалних налаза након уклањања дупликата. Ова фаза коштала је 316.549 долара у API кредитима.

Потенцијални налаз није исто што и потврђена рањивост. При овом обиму, нашем истраживачком тиму није практично да ручно испитује сваки извештај.

Зато смо се усредсредили на валидацију налаза који су а) доступни кориснику са ниским привилегијама, б) не захтевају посебна овлашћења и в) дају мерљиве доказе о нарушавању интегритета меморије.

За сваки потенцијални налаз, агент за тријажу генерисао је доказ концепта и покренуо га у изолованој виртуелној машини са језгром Linux-а и алатом Kernel Address Sanitizer (KASAN). Агент је пратио излаз програма и системску конзолу, а затим итеративно дорађивао доказ концепта док не би репродуковао пријављено понашање или исцрпео могуће начине да га изазове.

За 30 сати наш систем је репродуковао 1.724 рањивости, око 74,7% од 2.308 потенцијалних налаза. Сам статички преглед кода може давати лажно позитивне резултате, па су нас импресионирали тачност агената аналитичара и ефикасност агената за тријажу у самосталној изради функционалних доказа концепта за готово три четвртине потенцијалних налаза.

Већина преосталих налаза или је захтевала повишене привилегије или није могла да се репродукује у предвиђеном року због тешко поновљивих услова трке, специфичних услова активирања (нпр. неопходног неуспеха алокације у одређеној линији) или дуготрајне валидације (нпр. преливања бројача референци). Само 3,1% налаза било је последица погрешне анализе модела, при чему је пријављена рањивост претпостављала немогућ услов.

Фаза валидације укупно је коштала 73.330 долара у API кредитима. Приметили смо да је у нашем процесу валидације, који је морао да генерише доказ концепта како би потврдио да је потенцијални налаз стварна рањивост, тај поступак био скупљи од давања препоруке само на основу статичке анализе. Притом су трошкови покушаја валидације стварно позитивних и лажно позитивних налаза били слични. Зато раније уклањање лажно позитивних налаза из процеса доноси значајне уштеде.

Валидација утврђује да је рањивост стварна, али не и колико је хитно треба отклонити. Рањивост која би могла да омогући локално подизање привилегија, на пример, заслужује већи приоритет од оне која би могла да изазове само локално ускраћивање услуге. Са 1.724 потврђене рањивости, следећи задатак био је да издвојимо налазе са највећим могућим утицајем на безбедност.

Агент за почетну селекцију статички је прегледао сваки извештај, евиденцију пада и релевантни изворни код. Критеријуми су намерно били благи да се не би одбацили потенцијално озбиљни налази, уз искључивање случајева без веродостојног начина искоришћавања. Тиме су резултати сужени на 313 потенцијалних рањивости за цурење информација и 1.238 за локално подизање привилегија.

Агенти за развој експлоита (ExploitDev) затим су тестирали те налазе у изолованим виртуелним машинама са укљученим заштитама стандардне дистрибуције Linux-а, укључујући спречавање извршавања у супервизорском режиму (SMEP), спречавање приступа у супервизорском режиму (SMAP), насумични распоред адресног простора језгра (KASLR) и HARDENED_USERCOPY. То је помогло да се избегну нереалне процене које би зависиле од искључених заштитних мера.

Агенти су израдили 291 доказ концепта за цурење информација и 1.169 функционалних експлоита за локално подизање привилегија, који би локалним корисницима без привилегија могли да омогуће root приступ.

Спровели смо анализу варијанти и развили 948 засебних закрпа за рањивости које ти експлоити користе. На основу тог броја одређујемо укупан број јединствених LPE рањивости. Развој успешног експлоита коштао је у просеку 359 долара у кредитима. То тимовима за одбрану омогућава релативно јефтину проверу могућности искоришћавања откривених рањивости.

Рад агента за почетну селекцију рањивости коштао је 44.194 долара у API кредитима. Фаза искоришћавања рањивости укупно је коштала 775.929 долара у API кредитима: 84.929 долара за обраду потенцијалних рањивости за цурење информација и 691.000 долара за потенцијалне рањивости за локално подизање привилегија.

Обрада потенцијалне рањивости за локално подизање привилегија у просеку је била приближно двоструко скупља (558 долара) од обраде потенцијалне рањивости за цурење информација (271 долар). Разлог је то што су докази концепта за цурење информација преузети из фазе валидације и захтевали мање измена да би могли да се употребе у експлоиту. С друге стране, развој експлоита на основу потенцијалне LPE рањивости захтевао је много додатних корака, попут планирања стратегије искоришћавања, проналажења рањивих објеката за употребу, заобилажења заштитних мера и других. Приметили смо и да су неуспешни покушаји искоришћавања (3.922 долара за 69 случајева) коштали много више од успешних (360 долара за 1.169 случајева). То је било последица неколико рањивости које је тешко искористити (нпр. услова трке). Дефинисање разумног услова за одустајање, као што је прекид покушаја после једног сата без напретка, знатно би смањило трошкове рада агената ExploitDev.

За сваку потврђену рањивост систем генерише и закрпу. Моделу дајемо релевантни изворни код и инструкције о најбољим праксама за писање закрпа, као што су статичке провере закрпе, праћење развојних пракси у околном коду и анализа варијанти како би закрпа била потпуна.

Пратећи предлог заједнице језгра Linux-а, већ смо послали стотине извештаја и закрпа за критичне рањивости, а са партнерима иницијативе Patch the Planet радимо на постепеном слању закрпа за преостале. Овај рад је део наше шире посвећености подршци пројектима отвореног кода кроз Daybreak.

У овом одељку износимо сазнања, разматрања и додатну анализу из овог истраживања.

Током истраживања приметили смо да одржаваоци Linux-а брзо раде на исправљању рањивости и заштити корисника. Скенирање је обављено на најновијем језгру Linux-а средином октобра 2026. Када су аутономно скенирање и ручна анализа завршени после 10 дана, 61 LPE рањивост већ је била исправљена у изворном пројекту, за 43 су закрпе биле припремљене за укључивање, а 299 је било у поступку јавног пријављивања и разматрања.

Веома смо захвални одржаваоцима Linux-а који су хитно радили на исправљању откривених проблема, као и широј безбедносној заједници која је доприносила својим налазима. Управо такав заједнички одговор потребан је да би софтвер широм света био безбедан. Брз темпо објављивања и исправљања рањивости такође наглашава колико је важно да корисници и компаније редовно ажурирају софтвер.

Поука: Аутоматска тријажа треба да узме у обзир брз циклус исправљања рањивости. Поновна валидација налаза на најновијем коду, укључујући код додат после првобитног скенирања, помаже да се избегну дуплирани или застарели извештаји. Тиме се пажња усмерава на нерешене рањивости, а одржаваоци добијају доказе на основу којих могу да поступе, без непотребног додатног посла при прегледу.

Док смо развијали процес, крајем јула 2026, GPT‑5.6 Sol је пронашао и искористио 166 јединствених LPE рањивости уз укупан трошак од 513.690 долара у API кредитима.

У другом скенирању, средином октобра 2026, новији модел за сајбер безбедност пронашао је и искористио 948 јединствених LPE рањивости уз укупан трошак од 1.213.430 долара у API кредитима. У оба циклуса истраживања скенирали смо тада најновију грану master језгра Linux-а.

Поука: Поново скенирајте већ проверени код како се способности модела побољшавају. Способнији модел може открити рањивости које су ранији модели пропустили, чак и када користи исто истраживачко окружење.

Узели смо узорак од 166 експлоита које су развили агенти и анализирали технике искоришћавања рањивости употребљене у њима. Колико нам је познато, агенти су у експлоитима из узорка употребили 10 нових техника искоришћавања рањивости. Те технике смо поделили са независним стручњацима за искоришћавање рањивости језгра и оне су биле нове и за њих.

Од тих 10 техника, две користе нове постојане еластичне објекте којима је модел масовно попуњавао циљни кеш језгра; две су нове технике припреме меморијских страница ради повећања поузданости експлоита; пет су нове технике које делују само на податке и омогућавају подизање привилегија непосредно или путем произвољног уписа; преостала техника укључује произвољну забуну типова. Из безбедносних разлога у овој објави не износимо све техничке детаље тих нових техника искоришћавања рањивости.

Поука: Гранични модели не препознају само познате обрасце рањивог кода нити користе искључиво познате технике искоришћавања; они показују креативност и нове приступе.

Важан део мисије нашег тима јесте мерење трошкова проналажења и искоришћавања рањивости и коришћење тих података за усмеравање улагања у одбрану. Наш циљ је да помогнемо тимовима за одбрану да исправе рањивости пре него што их нападачи искористе и да искоришћавање софтверских пропуста учинимо прескупим за нападаче. Мерење трошкова искоришћавања рањивости помаже нам да проценимо како се тај изазов мења са побољшањем способности модела. У овом одељку поредимо трошкове покретања нашег процеса са наградама које програми за пријаву рањивости нуде за откривене пропусте.

На циљним виртуелним машинама у нашем експерименту радио је стандардни оперативни систем за стоне рачунаре, а не систем са ослабљеном заштитом, уз исти модел претњи који се користи на такмичењима у сајбер безбедности (нпр. Pwn2Own⁠(отвара се у новом прозору), TyphoonPWN⁠(отвара се у новом прозору)). Раније су Pwn2Own и TyphoonPWN нудили награде од 20.000, односно 70.000 долара за експлоите за локално подизање привилегија у језгру Linux-а. Применом тих ранијих износа награда на 948 експлоита добија се хипотетичка вредност од 18,9 до 66,3 милиона долара, приближно 16 до 55 пута већа од трошкова нашег процеса.

Наш процес смо тестирали и у оквиру Google-овог програма награђивања за рањивости kernelCTF⁠(отвара се у новом прозору), чији је циљ језгро Linux-а са ојачаном заштитом и смањеним површинама напада. Покренули смо процес на најновијој верзији језгра Linux-а у окружењу kernelCTF и добили 25 доказа концепта за цурење информација и 21 експлоит за локално подизање привилегија. Та верзија није била компатибилна са заштитном мером SLAB_VIRTUAL у kernelCTF-у, па смо је уклонили из конфигурације. Поређења ради, до тренутка писања овог текста kernelCTF је током 2026. прихватио 26 потврђених LPE експлоита за рањивости нултог дана. Цео циклус истраживања трајао је укупно 112 сати и коштао приближно 32.936 долара у API кредитима, при чему је откривање рањивости чинило 83,7% API трошкова. Када би програм прихватио тих 21 рањивост, то би донело награду од око 1,5 милиона долара, приближно 45 пута већу од трошкова.

Поука: На основу јавно доступних износа исплата, уз тадашње моделе способне за задатке сајбер безбедности, наш процес истраживања рањивости био је нето профитабилан у време овог истраживања. Тимови за одбрану треба проактивно да анализирају свој софтвер како би искоришћавање његових пропуста постало прескупо за нападаче.

Током процене могућности искоришћавања, агенти ExploitDev добијали су извештај о рањивости и задатак да направе потпуно функционалан експлоит. Наш процес је означавао рањивост као искоришћену ако би успешно био добијен приступ командном окружењу са root привилегијама. Током једног раног покретања, фаза искоришћавања пријавила је 200 успешних експлоита за локално подизање привилегија. Међутим, након ручног прегледа утврдили смо да је 20 њих стекло root привилегије путем друге рањивости нултог дана, а не оне која им је додељена. То указује да чак и успешно искоришћавање рањивости које спроводе агенти захтева одговарајућу валидацију.

Потом смо пооштрили ограничења задатка и додали независну проверу која потврђује да сваки коначни експлоит користи додељену рањивост.

Поука: У аутономном безбедносном истраживању, поред самог резултата проверите и пут којим се до њега дошло; изолација, надзор и независне провере неопходне су контролне мере.

На почетку истраживања разматрали смо да ли да око агента изградимо сложен систем оркестрације како бисмо побољшали његове способности у области сајбер безбедности. Резултат је указао да способнији модели захтевају једноставнију оркестрацију и мање усмеравања. Притом незнатно побољшање не оправдава трошкове одржавања. Зато смо одлучили да уклонимо сложену оркестрацију.

У експерименту смо упоредили GPT‑5.5 Cyber и GPT‑5.6 Cyber. Према нашим запажањима, GPT‑5.5 Cyber није доследно препознавао када и како треба применити постојеће технике искоришћавања рањивости језгра Linux-а. Затим смо прикупили 103 технике у формату прилагођеном моделу, учинили их доступним у окружењу агента и дали му инструкцију да их користи. На 63 потенцијална налаза за искоришћавање, то је повећало стопу успешности са 76,2% на 88,9%.

Када смо то поновили са GPT‑5.6 Cyber, модел је боље самостално проналазио, бирао и примењивао одговарајуће технике. Уклонили смо оркестрацију техника и вештина, а тај ток рада са једноставном оркестрацијом за GPT‑5.6 Cyber надмашио је ток рада за GPT‑5.5 Cyber са сложенијим помоћним механизмима. Враћање додатног слоја техника за GPT‑5.6 Cyber донело је тек незнатно побољшање од 1,5 процентних поена.

Поука: Поново процењујте оркестрацију и окружење како се способности основног модела мењају. Помоћни механизми који знатно побољшавају једну генерацију модела могу донети мало користи способнијем моделу, па ту корист треба одмерити у односу на трошкове одржавања.

У почетку, на директан захтев да генерише предлоге закрпа, модел је правио функционално исправне закрпе које спречавају деловање доказа концепта, али понекад уводе друге проблеме: више кода него што је потребно, могуће нарушавање перформанси или одступање од конвенција писања кода. Понекад није испитивао повезани код у потрази за варијантама исте рањивости, што је доводило до непотпуних закрпа.

Додатне инструкције и итеративно усавршавање процеса генерисања побољшали су квалитет закрпа. То указује да, уз одговарајући приступ, безбедносне закрпе које генерише AI могу бити исправне, минималне и усклађене са постојећим конвенцијама писања кода. Ово је активна област истраживања и верујемо да ће са будућим моделима тај поступак постати лакши и ефикаснији. У неколико случајева наш истраживачки прототип успео је да открије и проблеме у закрпама које су написали стручњаци, па су они исправљени пре укључивања закрпа у код.

Поука: Модели могу убрзати исправљање рањивости, али вештине и окружења за израду закрпа могу захтевати итеративно усавршавање како би закрпе поуздано испуњавале и функционалне и нефункционалне захтеве. Такође препоручујемо да се модели користе за преглед закрпа из перспективе нападача, без обзира на то да ли су их направили људи или AI. Тако се могу открити проблеми попут могућности заобилажења закрпе, пропуштених путева или варијанти напада и других недостатака.

Током покретања у окружењу kernelCTF, поред 21 експлоита за рањивости нултог дана у језгру Linux-а, наш истраживачки прототип пронашао је и искористио и једну рањивост у QEMU TCG-у. Агент аналитичар добио је задатак да анализира улазни код системских позива и, док је писао програме за експериментисање са преласцима између нивоа привилегија, наишао је на неочекиван пад језгра. Спровео је тријажу пада, утврдио да проблем потиче из QEMU TCG-а, без приступа изворном коду QEMU-а, и укључио рањивост у извештај. Агент ExploitDev је затим успешно развио експлоит за локално подизање привилегија који користи ову рањивост. Ову рањивост у QEMU-у открили смо током ручне анализе експлоита и потврдили да је већ била исправљена у изворном пројекту QEMU, али не и у објављеној верзији коришћеној у експерименту.

Поука: Гранични модели са способностима у области сајбер безбедности могу да пронађу рањивости у инфраструктури за тестирање. Препоручујемо тестирање сваког дела инфраструктуре пре спровођења офанзивног истраживања рањивости. Проактивно смо тестирали сопствену инфраструктуру, пријавили и исправили многе рањивости у пројектима Kata, Moby/Docker, gVisor и другима.

Наш циљ је да све веће способности модела претворимо у трајну предност за људе који брину о безбедности интернета. Ово истраживање показује да се све веће способности граничних модела у области сајбер безбедности могу користити за ефикасно проналажење рањивости у сложеном софтверу, попут језгра Linux-а. Јачање безбедности кључних софтверских пројеката попут Linux-а и других пројеката отвореног кода може заштитити многе системе и кориснике који се на њих ослањају.

Кроз Patch the Planet, иницијативу у оквиру програма Daybreak, желимо да ово истраживање проширимо на још кључних софтверских пројеката и да, заједно са њиховим одржаваоцима и безбедносним партнерима, развијемо поуздано аутоматско исправљање рањивости. Желимо да стално смањујемо могућности доступне нападачима и повећавамо трошкове проналажења и искоришћавања рањивости, све док очекивана добит више не буде оправдавала напад.

Свака генерација модела треба да нам помогне да направимо софтвер чију ће безбедност следећа генерација теже угрозити. Наставићемо да радимо на изградњи безбедног интернета на коме свако може са задовољством да ствара.