రూట్ యాక్సెస్ ముప్పు మార్గాల్లో భారీ తగ్గింపు

గతంలో ప్రతి లోపానికీ ప్రత్యేకంగా, నిరంతర విచారణ అవసరమైన భద్రతా పరిశోధనను ఇప్పుడు క్రమబద్ధమైన ప్రక్రియగా నిర్వహించడం మరింత సాధ్యమవుతోంది. ఈ రంగంలో మా ప్రయత్నాల్లో ఒకదాన్ని ఈ పత్రం వివరిస్తుంది.

లోపాల అన్వేషణను విస్తరించడం సులభమవుతోంది. అయితే ప్రాధాన్యత నిర్ణయం, ధ్రువీకరణ ఇంకా అమలులో అడ్డంకులుగానే ఉన్నాయి. నియంత్రిత పరిశోధనా వాతావరణంలో లైనక్స్ కెర్నల్ భద్రతా లోపాలను వెతకడానికి ఒక ప్రయోగాత్మక వ్యవస్థను నిర్మించాం. మా ప్రయోగాత్మక వ్యవస్థ లైనక్స్ కెర్నల్‌లో 2,308 సంభావ్య లోపాలను గుర్తించి విశ్లేషించింది. 1,724 లోపాలను అమలు ద్వారా పునరుత్పత్తి చేసింది. అధికారాలు లేని స్థానిక వినియోగదారు రూట్ యాక్సెస్ పొందగలిగే 948 స్థానిక అధికారాల పెంపు (LPE) ఎక్స్‌ప్లాయిట్‌లను రూపొందించింది.

నివేదించాల్సిన లోపాల ప్రాధాన్యతను నిర్ణయించడానికి ఈ ఆధారాలను ఉపయోగించాం. నిర్వహణకర్తల సమీక్ష కోసం ప్రతిపాదిత ప్యాచ్‌లను రూపొందించాం. లైనక్స్ కెర్నల్ సముదాయం మార్గదర్శకత్వంతో అత్యంత తీవ్ర లోపాలతో ప్రారంభించాం. మరిన్ని నివేదికలు, ప్యాచ్‌లపై ప్యాచ్ ది ప్లానెట్ భాగస్వాములతో కలిసి పనిచేస్తున్నాం.

జూన్‌లో మా ప్యాచ్ ది ప్లానెట్ కార్యక్రమంలో భాగంగా, GPT‑5.5 Cyber లైనక్స్ కెర్నల్ లోపాలను గుర్తించి, వాటిని ధ్రువీకరించి నివేదించేందుకు స్థానికంగా అధిక అధికారాలు పొందే 24 ఎక్స్‌ప్లాయిట్‌లను రూపొందించినట్లు తెలిపాం. ఆ పనిని రాబోయే సైబర్ మోడల్‌తో నడిచే ప్రక్రియగా విస్తరించాం. ఇందులో లోపాల అన్వేషణ, అమలు ద్వారా ధ్రువీకరణ, దుర్వినియోగ సాధ్యత అంచనా, ప్యాచ్ తయారీ ఉన్నాయి. ప్రక్రియ ముగిసిన తర్వాత మానవ పరిశోధకులు ఫలితాలను సమీక్షించి, గుర్తించిన లోపాలను ప్యాచ్‌లతోపాటు నివేదించారు.

ఆండ్రాయిడ్ పరికరాలు, క్లౌడ్ మౌలిక వసతులు, సూపర్‌కంప్యూటర్లు, బిలియన్ల మంది ఉపయోగించే ఇతర వ్యవస్థలకు లైనక్స్ కెర్నల్ పునాది. నాలుగు కోట్లకు పైగా కోడ్ పంక్తులున్న కెర్నల్, సిస్టమ్ కాల్‌లు, నెట్‌వర్కింగ్, ఫైల్ వ్యవస్థలు, పరికర డ్రైవర్ల ద్వారా విస్తృత దాడి అవకాశాలను కల్పిస్తుంది. ఇంతటి పరిమాణం, ప్రాధాన్యత గల కోడ్‌లో అత్యాధునిక మోడళ్లు ఎంత సమర్థంగా లోపాలను కనుగొని, వాటి భద్రతా ప్రభావాన్ని చూపగలవో అధ్యయనం చేయడానికి లైనక్స్‌ను ఎంచుకున్నాం.

ప్రాథమిక లోపాల అన్వేషణ దశ వేలాది సంభావ్య లోపాలను గుర్తించింది. భద్రతా పరిశోధకులు వాటిని స్వయంగా సమీక్షించి ప్రాథమిక మూల్యాంకనం చేయడానికి ఆ సంఖ్య చాలా ఎక్కువ. మా లోపాల అన్వేషణ ప్రక్రియలో అమలు పరమైన సవాలు లోపాలను కనుగొనడం కాదు. ఏవి పునరుత్పత్తి చేయగలమో, అవి ఏ భద్రతా హద్దును దాటాయో, వేటిపై నిర్వహణకర్తలు ముందుగా దృష్టిపెట్టాలో నిర్ణయించడమే సవాలు.

ప్రపంచం ఆధారపడే సాఫ్ట్‌వేర్‌ను భద్రపరచడంలో తోడ్పడటమే OpenAI సైబర్ బృంద లక్ష్యం. ఈ పనిని పునరావృతం చేసి విస్తరించడానికి అవసరమైన వనరులను పరిశోధకులు అంచనా వేయగలిగేలా ప్రతి దశ API ఖర్చులను నివేదిస్తున్నాం. ఈ ఖర్చులు ఈ మూల్యాంకనంలో ఉపయోగించిన మోడళ్లు, టార్గెట్ ఆకృతీకరణలు, కార్యప్రవాహాన్ని ప్రతిబింబిస్తాయి. రక్షకులు లోపాలను కనుగొని సరిచేయడానికి తోడ్పడటమే మా విస్తృత లక్ష్యం. తద్వారా దాడిచేసేవారికి అవకాశాలు తగ్గి, సాఫ్ట్‌వేర్‌ను దుర్వినియోగం చేసే ఖర్చు పెరుగుతుంది.

చివరగా, ఈ పరిశోధనలో మేము ఖర్చుపై కాకుండా పరిశోధనా పద్ధతి, మోడల్ సామర్థ్యాన్ని కొలవడంపైనే దృష్టిపెట్టామని గమనించండి. తగినంత హార్నెస్ ఇంజినీరింగ్‌తో ప్రతి దశ ఖర్చును గణనీయంగా తగ్గించవచ్చని భావిస్తున్నాం. అందువల్ల మేము నివేదించిన ఖర్చులను గరిష్ఠ అంచనాలుగా చూడవచ్చు.

మా ప్రయోగాత్మక లోపాల పరిశోధనా వ్యవస్థ ఐదు దశల ప్రక్రియ, దీని కేంద్రంలో రాబోయే సైబర్ మోడల్ ఉంటుంది:

• లోపాల అన్వేషణ: ఏజెంట్లు కోడ్‌లో భద్రతకు సంబంధించిన భాగాలను గుర్తించి, సంభావ్య లోపాల కోసం వాటిని పరిశీలిస్తాయి.

• అమలు ద్వారా ధ్రువీకరణ: ఏజెంట్లు ప్రతి సంభావ్య లోపాన్ని వేరుచేసిన వాతావరణంలో పునరుత్పత్తి చేయడానికి ప్రయత్నించి, అమలు సమయ ఆధారాలను భద్రపరుస్తాయి. ఈ దశ పునరుత్పత్తి చేసి ధ్రువీకరించిన లోపాలను అందిస్తుంది.

• దుర్వినియోగ సాధ్యత అంచనా: ధ్రువీకరించిన లోపాలు సమాచార వెల్లడి లేదా స్థానిక అధికారాల పెంపునకు వీలు కల్పిస్తాయా అని ఏజెంట్లు పరీక్షిస్తాయి.

• ప్యాచ్ తయారీ: గుర్తించిన ప్రతి లోపాన్ని పరిష్కరించే ప్యాచ్‌లను ఏజెంట్లు రూపొందిస్తాయి.

• మానవ సమీక్ష: నిర్వహణకర్తలకు నివేదించే ముందు భద్రతా పరిశోధకులు ఎక్స్‌ప్లాయిట్, ప్యాచ్, ప్రతిపాదిత తీవ్రత స్థాయిని సమీక్షిస్తారు.

ప్రక్రియ చివరలో వ్యవస్థ మూలకారణ విశ్లేషణ, వ్యవస్థను నిలిపివేసే కనీస నిరూపణ నమూనా, ప్రతిపాదిత ప్యాచ్, పూర్తి ఎక్స్‌ప్లాయిట్‌ను ఒకచోట చేర్చి అందిస్తుంది. ఇవి లోపం తీవ్రతను అంచనా వేయడానికి, సవరణలను ప్రధాన మూలకోడ్‌లో చేర్చడానికి మానవ పరిశోధకులకు తోడ్పడతాయి.

లైనక్స్ కెర్నల్‌లోని ప్రతి కోడ్ పంక్తీ భద్రతకు సంబంధించినది కాదు. మా ప్రక్రియ ముఖ్యమైన ఆడిట్ టార్గెట్‌లను గుర్తించడానికి అన్వేషక ఏజెంట్ల బృందాన్ని ఉపయోగించింది. తర్వాత లోపాల పరిశీలన కోసం వాటిని విశ్లేషక ఏజెంట్లకు అప్పగించింది.

అన్వేషక ఏజెంట్లు ప్రతి ఫోల్డర్, ఫైల్‌ను చదువుతాయి; వాటి రీచబిలిటీ (తక్కువ అధికారాలున్న వినియోగదారులు చేరుకోగలగడం), భద్రతతో వాటికి సంబంధం ఉందా అనే అంశాల ఆధారంగా ఆడిట్ టార్గెట్‌లను నిర్ణయిస్తాయి.

ఈ దశలో 5,034 ఆడిట్ టార్గెట్‌లను గుర్తించాం. వీటిలో సుమారు 28 లక్షల కోడ్ పంక్తులు ఉన్నాయి. ఇది మొత్తం లైనక్స్ కెర్నల్ కోడ్‌లో దాదాపు 7%, పూర్తి కోడ్ విశ్లేషణతో పోలిస్తే భద్రతా తనిఖీ ఖర్చు గణనీయంగా తగ్గింది. ఈ దశకు API క్రెడిట్స్‌లో $3,426 ఖర్చయింది.

తర్వాత విశ్లేషక ఏజెంట్లు Codex సెక్యూరిటీ ప్లగిన్⁠(కొత్త విండోలో తెరుచుకుంటుంది)కు సమానమైన కార్యప్రవాహంతో ప్రతి ఆడిట్ టార్గెట్‌ను విశ్లేషించి సంభావ్య లోపాలను గుర్తించాయి. స్థూలంగా, విశ్లేషక ఏజెంట్లు తమకు అప్పగించిన టార్గెట్ కోడ్‌ను చదివి అది ఎలా పనిచేస్తుందో అర్థం చేసుకుంటాయి, దాని ముప్పు మోడల్‌ను గుర్తిస్తాయి, అందులో లోపాల కోసం వెతుకుతాయి.

12 గంటల్లో విశ్లేషక ఏజెంట్లు, నకళ్లను తీసివేసిన తర్వాత, 2,308 సంభావ్య లోపాలను గుర్తించాయి. ఈ దశకు API క్రెడిట్స్‌లో $316,549 ఖర్చయింది.

సంభావ్య లోపం అంటే ధ్రువీకరించిన లోపం కాదు. ఈ స్థాయిలో ప్రతి నివేదికనూ మా పరిశోధనా బృందం స్వయంగా విచారించడం ఆచరణసాధ్యం కాదు.

అందువల్ల a) తక్కువ అధికారాలున్న వినియోగదారు చేరుకోగలిగేవి, b) ప్రత్యేక సామర్థ్యాలు అవసరం లేనివి, c) మెమరీ చెడిపోవడానికి కొలవగల ఆధారాలను ఇచ్చేవి అయిన లోపాల ధ్రువీకరణపై దృష్టిపెట్టాం.

ప్రతి సంభావ్య లోపానికీ ఒక ప్రాథమిక మూల్యాంకన ఏజెంట్ నిరూపణ నమూనాను రూపొందించింది. కెర్నల్ అడ్రస్ శానిటైజర్ (KASAN) కలిగిన లైనక్స్ కెర్నల్ నడిచే, వేరుచేసిన వర్చువల్ యంత్రంలో దాన్ని అమలు చేసింది. ఏజెంట్ ప్రోగ్రామ్ ఫలితాన్నీ, సిస్టమ్ కన్సోల్‌నూ గమనించింది. నివేదించిన ప్రవర్తన పునరుత్పత్తి అయ్యేవరకు లేదా దాన్ని ప్రేరేపించే మార్గాలన్నీ ప్రయత్నించే వరకు నిరూపణ నమూనాను పదేపదే మెరుగుపరిచింది.

30 గంటల్లో మా వ్యవస్థ 1724 లోపాలను పునరుత్పత్తి చేసింది. ఇది 2,308 సంభావ్య లోపాల్లో దాదాపు 74.7%. కోడ్‌ను అమలు చేయకుండా సమీక్షించడం వల్ల లేని లోపాలను ఉన్నట్లు గుర్తించే అవకాశం ఉంది. అందుకే విశ్లేషక ఏజెంట్ల ఖచ్చితత్వం, దాదాపు మూడొంతుల సంభావ్య లోపాలకు పనిచేసే నిరూపణ నమూనాలను స్వతంత్రంగా రూపొందించడంలో మూల్యాంకన ఏజెంట్ల సమర్థత మమ్మల్ని ఆకట్టుకున్నాయి.

మిగిలినవాటిలో చాలా లోపాలకు అధిక అధికారాలు అవసరమయ్యాయి లేదా నిర్దేశిత సమయంలో పునరుత్పత్తి కాలేదు. సంక్లిష్ట రేస్ పరిస్థితులు, ప్రత్యేక ప్రేరక పరిస్థితులు (ఉదా. ఒక నిర్దిష్ట పంక్తిలో మెమరీ కేటాయింపు విఫలం కావాల్సి రావడం), లేదా ఎక్కువ సమయం పట్టే ధ్రువీకరణ (ఉదా. రిఫరెన్స్ గణన గరిష్ఠ హద్దు దాటి మొదటికి రావడం) ఇందుకు కారణాలు. కేవలం 3.1% మాత్రమే మోడల్ తప్పు విశ్లేషణను ప్రతిబింబించాయి. వాటిలో నివేదించిన లోపం అసాధ్యమైన పరిస్థితిపై ఆధారపడింది.

ధ్రువీకరణ దశకు మొత్తం API క్రెడిట్స్‌లో $73,330 ఖర్చయింది. మా ధ్రువీకరణ ప్రక్రియలో ఒక సంభావ్య లోపం నిజమైనదో కాదో నిర్ధారించడానికి నిరూపణ నమూనాను తయారుచేయాల్సి వచ్చింది. కేవలం కోడ్ స్థిర విశ్లేషణ ఆధారంగా సిఫార్సు చేయడం కంటే దీనికి ఎక్కువ ఖర్చయిందని గమనించాం. నిజమైన లోపాన్ని, తప్పుగా గుర్తించిన లోపాన్ని ధ్రువీకరించే ప్రయత్నాల ఖర్చులు కూడా దాదాపు సమానంగా ఉన్నాయి. అందువల్ల తప్పుగా గుర్తించిన లోపాలను ప్రక్రియ ప్రారంభంలోనే తొలగించడం ద్వారా ఖర్చును గణనీయంగా తగ్గించవచ్చు.

ధ్రువీకరణ ఒక లోపం నిజమైనదని నిర్ధారిస్తుంది. కానీ దాన్ని ఎంత అత్యవసరంగా పరిష్కరించాలో తెలియజేయదు. ఉదాహరణకు, స్థానికంగా సేవను నిలిపివేయగల లోపం కంటే, స్థానికంగా అధిక అధికారాలు పొందే అవకాశం కల్పించే లోపానికి ఎక్కువ ప్రాధాన్యత ఇవ్వాలి. 1,724 లోపాలు ధ్రువీకరణ కావడంతో, వాటిలో భద్రతపై అత్యధిక ప్రభావం చూపగలవాటిని గుర్తించడం తదుపరి పని అయింది.

ప్రాథమిక వడపోత ఏజెంట్ ప్రతి నివేదిక, క్రాష్ లాగ్, సంబంధిత మూలకోడ్‌ను అమలు చేయకుండా సమీక్షించింది. తీవ్రమైనవి కావచ్చిన లోపాలను పొరపాటున తొలగించకుండా ఉద్దేశపూర్వకంగా సడలింపుతో వ్యవహరించింది. అదే సమయంలో దుర్వినియోగానికి ఆచరణసాధ్యమైన మార్గం లేని సందర్భాలను వడపోసింది. దీంతో 313 సంభావ్య సమాచార లీకేజీ లోపాలు, స్థానిక అధికారాల పెంపునకు దారితీయగల 1,238 లోపాలు మిగిలాయి.

తర్వాత ఎక్స్‌ప్లాయిట్ అభివృద్ధి (ExploitDev) ఏజెంట్లు ఆ సంభావ్య లోపాలను వేరుచేసిన వర్చువల్ యంత్రాల్లో పరీక్షించాయి. వాటిలో ప్రామాణిక లైనక్స్ పంపిణీ అందించే సూపర్‌వైజర్ మోడ్ అమలు నిరోధం (SMEP), సూపర్‌వైజర్ మోడ్ ప్రవేశ నిరోధం (SMAP), కెర్నల్ చిరునామా స్థల అమరిక యాదృచ్ఛికీకరణ (KASLR), HARDENED_USERCOPY సహా రక్షణలను ప్రారంభించాం. రక్షణలను నిలిపివేయడంపై ఆధారపడే అవాస్తవ అంచనాలను నివారించడానికి ఇది తోడ్పడింది.

ఏజెంట్లు సమాచార లీకేజీలకు 291 నిరూపణ నమూనాలను, అధికారాలు లేని స్థానిక వినియోగదారులకు రూట్ యాక్సెస్ ఇవ్వగల 1,169 స్థానిక అధికారాల పెంపు ఎక్స్‌ప్లాయిట్‌లను రూపొందించాయి.

మేము లోపాల ఇతర రూపాలను విశ్లేషించి, ఆ ఎక్స్‌ప్లాయిట్‌లకు కారణమైన లోపాల కోసం 948 వేర్వేరు ప్యాచ్‌లను రూపొందించాం. వేర్వేరు LPEల మొత్తం సంఖ్యను నిర్ణయించడానికి ఆ సంఖ్యనే ఉపయోగిస్తాం. విజయవంతమైన ఎక్స్‌ప్లాయిట్‌లను రూపొందించడానికి సగటున క్రెడిట్స్‌లో $359 ఖర్చయింది. దీంతో గుర్తించిన లోపాల దుర్వినియోగ సాధ్యతను పరీక్షించడం రక్షకులకు సాపేక్షంగా తక్కువ ఖర్చుతో సాధ్యమవుతుంది.

ప్రాథమిక లోపాల వడపోత ఏజెంట్‌కు API క్రెడిట్స్‌లో $44,194 ఖర్చయింది. దుర్వినియోగ దశకు మొత్తం API క్రెడిట్స్‌లో $775,929 ఖర్చయింది. ఇందులో సంభావ్య సమాచార లీకేజీ లోపాలపై పని చేయడానికి $84,929, స్థానిక అధికారాల పెంపు లోపాలకు $691,000 ఖర్చయ్యాయి.

సగటున, ఒక సంభావ్య స్థానిక అధికారాల పెంపు లోపంపై పని చేయడానికి ఖర్చు ($558), సంభావ్య సమాచార లీకేజీ లోపం ఖర్చుకు ($271) దాదాపు రెండు రెట్లు. ఎందుకంటే సమాచార లీకేజీ PoCలను ధ్రువీకరణ దశ నుంచే తీసుకున్నాం. ఎక్స్‌ప్లాయిట్‌లో వాడగలిగేలా చేయడానికి వాటికి తక్కువ మార్పులు అవసరమయ్యాయి. మరోవైపు, సంభావ్య LPE నుంచి ఎక్స్‌ప్లాయిట్‌ను రూపొందించడానికి దుర్వినియోగ వ్యూహ ప్రణాళిక, వాడాల్సిన లోపభూయిష్ట ఆబ్జెక్టుల గుర్తింపు, రక్షణలను దాటవేయడం వంటి అనేక అదనపు దశలు అవసరమయ్యాయి. విఫలమైన దుర్వినియోగ ప్రయత్నాల ఖర్చు (69 సందర్భాలకు $3,922), విజయవంతమైనవాటి ఖర్చు కంటే (1169 సందర్భాలకు $360) చాలా ఎక్కువగా ఉందని కూడా గమనించాం. దుర్వినియోగం చేయడానికి కష్టమైన కొన్ని లోపాలు (ఉదా. రేస్ పరిస్థితులు) ఇందుకు కారణమయ్యాయి. గంటపాటు పురోగతి లేకుంటే ప్రయత్నం ఆపడం వంటి సహేతుక విరమణ షరతును నిర్ణయించి ఉంటే, ExploitDev ఖర్చు గణనీయంగా తగ్గి ఉండేది.

ధ్రువీకరించిన ప్రతి లోపానికీ వ్యవస్థ ఒక ప్యాచ్‌ను కూడా రూపొందిస్తుంది. మోడల్‌కు సంబంధిత మూలకోడ్‌ను అందించి, ప్యాచ్ రాయడంలో ఉత్తమ పద్ధతులను అనుసరించమనే ప్రాంప్ట్ అందించాం. ప్యాచ్‌పై స్థిర తనిఖీలు చేయడం, సమీప కోడ్‌లోని సాఫ్ట్‌వేర్ అభివృద్ధి పద్ధతులను పాటించడం, ప్యాచ్ సంపూర్ణత కోసం లోపం ఇతర రూపాలను విశ్లేషించడం వంటివి ఇందులో ఉంటాయి.

లైనక్స్ కెర్నల్ సముదాయం సూచన మేరకు అత్యంత తీవ్ర లోపాలకు ఇప్పటికే వందలాది నివేదికలు, ప్యాచ్‌లు పంపాం. మిగిలినవాటికి క్రమంగా ప్యాచ్‌లు పంపేందుకు ప్యాచ్ ది ప్లానెట్ భాగస్వాములతో కలిసి పనిచేస్తున్నాం. బహిరంగ మూలకోడ్ ప్రాజెక్టులకు మద్దతునిచ్చే మా విస్తృత Daybreak నిబద్ధతలో ఈ పని భాగం.

ఈ విభాగంలో ఈ పరిశోధన నుంచి నేర్చుకున్న విషయాలు, మా పరిశీలనలు, అదనపు విశ్లేషణను పంచుకుంటున్నాం.

ఈ పరిశోధన సమయంలో లోపాలను సరిచేసి, వినియోగదారులను రక్షించడానికి లైనక్స్ నిర్వహణకర్తలు వేగంగా పనిచేయడాన్ని గమనించాం. 2026 అక్టోబర్ మధ్యలో తాజా లైనక్స్ కెర్నల్‌పై పరిశీలన చేశాం. స్వతంత్ర పరిశీలన, మానవ విశ్లేషణ 10 రోజుల తర్వాత ముగిసేసరికి, 61 LPEలకు ప్రధాన మూలకోడ్‌లో ప్యాచ్‌లు అమలయ్యాయి, 43కు పరీక్ష దశలో ప్యాచ్‌లు ఉన్నాయి, 299 బహిరంగంగా నివేదించబడి చర్చలో ఉన్నాయి.

గుర్తించిన సమస్యలను అత్యవసరంగా సరిచేస్తున్న లైనక్స్ నిర్వహణకర్తలకూ, తమ పరిశోధన ఫలితాలను అందిస్తున్న విస్తృత భద్రతా సముదాయానికీ మా హృదయపూర్వక అభినందనలు. ప్రపంచ సాఫ్ట్‌వేర్‌ను భద్రపరచడానికి ఇలాంటి సమష్టి స్పందనే అవసరం. లోపాల వెల్లడి, ప్యాచ్‌ల అమలు వేగంగా జరుగుతుండటం వల్ల వినియోగదారులు, సంస్థలు సాఫ్ట్‌వేర్‌ను తాజాగా ఉంచడం ఎంత కీలకమో కూడా స్పష్టమవుతోంది.

ముఖ్యాంశం: ఆటోమేటెడ్ ప్రాథమిక మూల్యాంకనం వేగవంతమైన ప్యాచ్ చక్రాన్ని పరిగణనలోకి తీసుకోవాలి. మొదటి పరిశీలన తర్వాత చేర్చిన కొత్త కోడ్‌తో సహా తాజా కోడ్‌పై లోపాలను మళ్లీ ధ్రువీకరించడం, నకలు లేదా కాలం చెల్లిన నివేదికలను నివారించడంలో తోడ్పడుతుంది. దీంతో పరిష్కారం కాని లోపాలపై దృష్టి నిలుస్తుంది. నిర్వహణకర్తలకు అనవసర సమీక్ష భారం లేకుండా చర్య తీసుకోగల ఆధారాలు అందుతాయి.

మేము ప్రక్రియను అభివృద్ధి చేస్తున్నప్పుడు, 2026 జూలై చివరలో GPT‑5.6 Sol 166 వేర్వేరు LPE లోపాలను కనుగొని దుర్వినియోగం చేసింది. మొత్తం ఖర్చు API క్రెడిట్స్‌లో $513,690.

2026 అక్టోబర్ మధ్యలో రెండో పరిశీలనలో కొత్త సైబర్ మోడల్ 948 వేర్వేరు LPE లోపాలను కనుగొని దుర్వినియోగం చేసింది. మొత్తం ఖర్చు API క్రెడిట్స్‌లో $1,213,430. రెండు పరిశోధన అమలుల్లోనూ అప్పటి తాజా లైనక్స్ కెర్నల్ మాస్టర్ శాఖను పరిశీలించాం.

ముఖ్యాంశం: మోడల్ సామర్థ్యాలు మెరుగుపడుతున్నకొద్దీ గతంలో తనిఖీ చేసిన కోడ్‌ను మళ్లీ పరిశీలించండి. అదే పరిశోధనా హార్నెస్‌ను వాడినా, మరింత సామర్థ్యమున్న మోడల్ గత మోడళ్లు గుర్తించని లోపాలను వెలికితీయవచ్చు.

ఏజెంట్లు రూపొందించిన ఎక్స్‌ప్లాయిట్‌లలో 166ను నమూనాగా ఎంచుకుని, వాటిలో ఉపయోగించిన దుర్వినియోగ పద్ధతులను విశ్లేషించాం. మాకు తెలిసినంతవరకు, ఆ నమూనా ఎక్స్‌ప్లాయిట్‌లలో ఏజెంట్లు 10 కొత్త దుర్వినియోగ పద్ధతులను ఉపయోగించాయి. ఈ పద్ధతులను బాహ్య కెర్నల్ దుర్వినియోగ నిపుణులతో పంచుకున్నాం. వారికి కూడా ఇవి కొత్తవే.

ఈ 10 పద్ధతుల్లో రెండు, టార్గెట్ కెర్నల్ కాష్‌లో ఆబ్జెక్టులను విస్తృతంగా నింపేందుకు మోడల్ వాడిన కొత్త స్థిరమైన, పరిమాణం మారగల ఆబ్జెక్టులు. మరో రెండు ఎక్స్‌ప్లాయిట్ విశ్వసనీయతను పెంచే కొత్త మెమరీ పేజీ అమరిక పద్ధతులు. ఐదు, నేరుగా లేదా ఇష్టమైన చోట రాయడం ద్వారా అధిక అధికారాలు పొందే కొత్త డేటా-మాత్రమే పద్ధతులు. మిగిలినది ఏకపక్ష టైప్ గందరగోళాన్ని ఉపయోగిస్తుంది. భద్రతా కారణాలతో, ఈ కొత్త దుర్వినియోగ పద్ధతుల పూర్తి సాంకేతిక వివరాలను ఈ వ్యాసంలో పంచుకోవడం లేదు.

ముఖ్యాంశం: అత్యాధునిక మోడళ్లు తెలిసిన లోపభూయిష్ట కోడ్ నమూనాలను సరిపోల్చడం లేదా తెలిసిన దుర్వినియోగ పద్ధతులనే వాడటం మాత్రమే చేయవు. అవి సృజనాత్మకతను, కొత్త విధానాలను ప్రదర్శిస్తాయి.

లోపాలను కనుగొని దుర్వినియోగం చేసే ఖర్చును కొలవడం, ఆ ఆధారాలతో రక్షణ పెట్టుబడులకు దిశానిర్దేశం చేయడం మా బృంద లక్ష్యంలో ముఖ్యమైన భాగం. దాడిచేసేవారు ఉపయోగించకముందే లోపాలను సరిచేయడానికి రక్షకులకు తోడ్పడటం, సాఫ్ట్‌వేర్ దుర్వినియోగం దాడిచేసేవారికి భరించలేనంత ఖరీదైనదిగా మార్చడం మా లక్ష్యం. మోడల్ సామర్థ్యాలు పెరిగేకొద్దీ ఈ సవాలు ఎలా మారుతుందో అంచనా వేయడానికి దుర్వినియోగ ఖర్చులను కొలవడం తోడ్పడుతుంది. ఈ విభాగంలో మా ప్రక్రియ అమలు ఖర్చును, గుర్తించిన లోపాలకు బహుమతి కార్యక్రమాలు ఇచ్చే మొత్తాలతో పోలుస్తాం.

మా ప్రయోగంలోని టార్గెట్ వర్చువల్ యంత్రాలు భద్రత తగ్గించిన వ్యవస్థను కాకుండా యథాతథ డెస్క్‌టాప్ ఆపరేటింగ్ సిస్టమ్‌ను నడిపాయి. సైబర్ భద్రతా పోటీల్లో (ఉదా. Pwn2Own⁠(కొత్త విండోలో తెరుచుకుంటుంది), TyphoonPWN⁠(కొత్త విండోలో తెరుచుకుంటుంది)) వాడే ముప్పు మోడల్‌నే ఉపయోగించాం. గతంలో లైనక్స్ కెర్నల్‌లో స్థానికంగా అధిక అధికారాలు పొందే ఎక్స్‌ప్లాయిట్‌లకు Pwn2Own, TyphoonPWN వరుసగా $20,000, $70,000 బహుమతులు అందించాయి. ఆ గత బహుమతులను 948 ఎక్స్‌ప్లాయిట్‌లకు వర్తింపజేస్తే ఊహాత్మక విలువ $18.9 మిలియన్లు—$66.3 మిలియన్లు. ఇది మా ప్రక్రియ ఖర్చుకు దాదాపు 16 నుంచి 55 రెట్లు.

Google kernelCTF⁠(కొత్త విండోలో తెరుచుకుంటుంది) లోపాల బహుమతి కార్యక్రమానికి అనుగుణంగానూ మా ప్రక్రియను పరీక్షించాం. దాడి అవకాశాలు తగ్గించి భద్రతను బలోపేతం చేసిన లైనక్స్ కెర్నల్ ఇందులో టార్గెట్‌గా ఉంటుంది. kernelCTF వాతావరణంలో తాజా లైనక్స్ కెర్నల్‌పై (kernelCTFలోని SLAB_VIRTUAL రక్షణకు అది అనుకూలం కాకపోవడంతో ఆ రక్షణను ఆకృతీకరణ నుంచి తొలగించాం) ప్రక్రియను అమలు చేశాం. 25 సమాచార లీకేజీ నిరూపణ నమూనాలను, స్థానికంగా అధిక అధికారాలు పొందే 21 ఎక్స్‌ప్లాయిట్‌లను సాధించాం. పోలిక కోసం చూస్తే, ఇది రాసే సమయానికి 2026లో kernelCTF ధ్రువీకరించిన 26 జీరో-డే LPE ఎక్స్‌ప్లాయిట్‌లను అంగీకరించింది. మొత్తం పరిశోధన అమలుకు 112 గంటలు పట్టింది. API క్రెడిట్స్‌లో దాదాపు $32,936 ఖర్చయింది. API ఖర్చులో లోపాల అన్వేషణ వాటా 83.7%. కార్యక్రమం ఈ 21 లోపాలను అంగీకరిస్తే సుమారు $1.5 మిలియన్ల బహుమతి లభిస్తుంది. ఇది ఖర్చుకు దాదాపు 45 రెట్లు.

ముఖ్యాంశం: బహిరంగంగా ప్రకటించిన బహుమతి మొత్తాల ఆధారంగా చూస్తే, ఈ పరిశోధన సమయంలో ప్రస్తుత సైబర్ సామర్థ్యమున్న మోడళ్లతో మా లోపాల పరిశోధనా ప్రక్రియ నికర లాభదాయకంగా ఉంది. దాడిచేసేవారికి దుర్వినియోగ ఖర్చు భరించలేనంతగా మారేలా, రక్షకులు తమ సాఫ్ట్‌వేర్‌ను ముందుగానే విశ్లేషించాలి.

దుర్వినియోగ సాధ్యత అంచనా సమయంలో ExploitDev ఏజెంట్లకు ఒక లోపం నివేదికను ఇచ్చి, పూర్తిగా పనిచేసే ఎక్స్‌ప్లాయిట్‌ను రూపొందించే పని అప్పగించాం. రూట్ షెల్‌ను విజయవంతంగా పొందితే, ఆ లోపం దుర్వినియోగమైనట్లు మా ప్రక్రియ గుర్తించింది. తొలి అమలుల్లో ఒకదానిలో, దుర్వినియోగ దశ స్థానికంగా అధిక అధికారాలు పొందే 200 విజయవంతమైన ఎక్స్‌ప్లాయిట్‌లను నివేదించింది. అయితే మానవ సమీక్ష తర్వాత, వాటిలో 20 తమకు అప్పగించిన లోపం ద్వారా కాకుండా మరో జీరో-డే లోపం ద్వారా రూట్ అధికారాలు పొందినట్లు గుర్తించాం. ఏజెంట్లు విజయవంతంగా దుర్వినియోగం చేసిన సందర్భాల్లో కూడా సరైన ధ్రువీకరణ అవసరమని ఇది సూచిస్తుంది.

తర్వాత పని నిబంధనలను మరింత కఠినం చేశాం. ప్రతి తుది ఎక్స్‌ప్లాయిట్ తనకు అప్పగించిన లోపాన్నే ఉపయోగించిందని నిర్ధారించే స్వతంత్ర తనిఖీని చేర్చాం.

ముఖ్యాంశం: స్వతంత్ర భద్రతా పరిశోధనలో ఫలితంతోపాటు దాన్ని సాధించిన మార్గాన్నీ ధ్రువీకరించండి. వేరుచేయడం, పర్యవేక్షణ, స్వతంత్ర తనిఖీలు అవసరమైన నియంత్రణలు.

ఈ పరిశోధన ప్రారంభంలో, ఏజెంట్ సైబర్ సామర్థ్యాన్ని పెంచడానికి దాని చుట్టూ విస్తృత సమన్వయ వ్యవస్థను నిర్మించాలా అనే రూపకల్పన నిర్ణయాన్ని పరిశీలించాం. బలమైన మోడళ్లకు తక్కువ సమన్వయం, తక్కువ దశలవారీ మార్గదర్శకత్వం సరిపోతాయని మా ఫలితం సూచించింది. అంతేకాక, స్వల్ప మెరుగుదల కోసం ఆ నిర్వహణ ఖర్చు సమర్థనీయం కాదు. అందువల్ల విస్తృత సమన్వయ వ్యవస్థను తొలగించాలని నిర్ణయించాం.

ఈ ప్రయోగంలో GPT‑5.5 Cyberను GPT‑5.6 Cyberతో పోల్చాం. మా పరిశీలనలో GPT‑5.5 Cyber ప్రస్తుత లైనక్స్ కెర్నల్ దుర్వినియోగ పద్ధతులను ఎప్పుడు, ఎలా వర్తింపజేయాలో స్థిరంగా గుర్తించలేకపోయింది. అప్పుడు 103 పద్ధతులను మోడల్‌కు అనువైన రూపంలో సంకలనం చేసి, ఏజెంట్ వాతావరణంలో అందుబాటులో ఉంచి, వాటిని ఉపయోగించమనే ప్రాంప్ట్‌ను అంచించాం. దుర్వినియోగానికి ఎంచుకున్న 63 సంభావ్య లోపాల్లో విజయాల శాతం దీంతో 76.2% నుంచి 88.9%కు పెరిగింది.

ఇదే ప్రయోగాన్ని GPT‑5.6 Cyberతో పునరావృతం చేసినప్పుడు, ఆ మోడల్ సంబంధిత పద్ధతులను స్వయంగా కనుగొని, ఎంచుకుని, వర్తింపజేయడంలో మెరుగ్గా పనిచేసింది. మేము పద్ధతుల/నైపుణ్యాల సమన్వయాన్ని తొలగించాం. తక్కువ సమన్వయమున్న ఈ GPT‑5.6 Cyber కార్యప్రవాహం, ఎక్కువ సహాయక నిర్మాణమున్న GPT‑5.5 Cyber కార్యప్రవాహాన్ని మించి పనిచేసింది. GPT‑5.6 Cyberకు అదనపు పద్ధతుల పొరను తిరిగి చేర్చడం వల్ల కేవలం 1.5 శాతం పాయింట్ల స్వల్ప మెరుగుదల వచ్చింది.

ముఖ్యాంశం: మూల మోడల్ సామర్థ్యాలు మారేకొద్దీ మీ సమన్వయ వ్యవస్థను, హార్నెస్‌ను మళ్లీ అంచనా వేయండి. ఒక తరం మోడల్‌ను గణనీయంగా మెరుగుపరిచే సహాయక నిర్మాణం, మరింత బలమైన మోడల్‌కు పెద్దగా విలువ చేకూర్చకపోవచ్చు. దాని ప్రయోజనాన్ని నిర్వహణ భారంతో పోల్చి అంచనా వేయాలి.

మొదట్లో ప్రతిపాదిత ప్యాచ్‌లు రూపొందించమని నేరుగా ప్రాంప్ట్ ఇచ్చినప్పుడు, మోడల్ నిరూపణ నమూనాను అడ్డుకునేలా సరిగ్గా పనిచేసే ప్యాచ్‌లు తయారుచేసేది. అయితే కొన్నిసార్లు ఇతర సమస్యలను సృష్టించేది: అవసరానికి మించిన కోడ్, పనితీరు తగ్గే అవకాశాలు, కోడ్ సంప్రదాయాల నుంచి వైదొలగడం, లేదా అదే లోపం ఇతర రూపాల కోసం సంబంధిత కోడ్‌ను పరిశీలించకపోవడం. దీంతో అసంపూర్ణ ప్యాచ్‌లు వచ్చేవి.

అదనపు సూచనలు, ప్యాచ్ తయారీ ప్రక్రియను పదేపదే మెరుగుపరచడం వల్ల ప్యాచ్‌ల నాణ్యత పెరిగింది. సరైన నిర్వహణతో AI రూపొందించిన భద్రతా ప్యాచ్‌లు సరిగ్గా, కనీస అవసరమైన మార్పులతో, ప్రస్తుత కోడ్ సంప్రదాయాలకు అనుగుణంగా ఉండగలవని ఇది సూచిస్తుంది. ఈ రంగంలో పరిశోధన చురుగ్గా సాగుతోంది. భవిష్యత్ మోడళ్లతో ఇది మరింత సులభంగా, ప్రభావవంతంగా మారుతుందని మేము నమ్ముతున్నాం. కొన్ని సందర్భాల్లో మానవ నిపుణులు రాసిన ప్యాచ్‌లలో సమస్యలను కూడా మా ప్రయోగాత్మక పరిశోధనా వ్యవస్థ గుర్తించింది. వాటిని ప్రధాన కోడ్‌లో చేర్చకముందే సరిచేశారు.

ముఖ్యాంశం: మోడళ్లు ప్యాచ్ ప్రక్రియను వేగవంతం చేయగలవు. అయితే ప్యాచ్‌లు క్రియాత్మక, ఇతర నాణ్యతా అవసరాలను నమ్మదగిన రీతిలో తీర్చేలా చూడటానికి ప్యాచ్ నైపుణ్యాలు, హార్నెస్‌లను పదేపదే మెరుగుపరచాల్సి రావచ్చు. అలాగే మానవులు, AI రూపొందించిన ప్యాచ్‌లను దాడిచేసేవారి దృక్కోణంలో సమీక్షించడానికి మోడళ్లను ఉపయోగించాలని సిఫార్సు చేస్తున్నాం. ప్యాచ్‌ను దాటవేయగలగడం, ఇతర దాడి మార్గాలు లేదా రూపాలు మిగిలిపోవడం వంటి సమస్యలను ఇది గుర్తించగలదు.

మా kernelCTF అమలులో 21 లైనక్స్ కెర్నల్ జీరో-డే ఎక్స్‌ప్లాయిట్‌లతోపాటు, ప్రయోగాత్మక పరిశోధనా వ్యవస్థ ఒక QEMU TCG లోపాన్ని కూడా కనుగొని దుర్వినియోగం చేసింది. సిస్టమ్ కాల్ ప్రవేశ కోడ్‌ను విశ్లేషించే పని విశ్లేషక ఏజెంట్‌కు అప్పగించాం. అధికారాల మార్పులపై ప్రయోగాల కోసం ప్రోగ్రామ్‌లు రాస్తున్నప్పుడు, ఊహించని విధంగా కెర్నల్ క్రాష్ అయింది. QEMU మూలకోడ్ అందుబాటులో లేకున్నా, అది క్రాష్‌ను మూల్యాంకనం చేసి సమస్య QEMU TCGలో ఉందని గుర్తించి, ఆ లోపాన్ని నివేదికలో చేర్చింది. తర్వాత ExploitDev ఏజెంట్ ఈ లోపానికి స్థానికంగా అధిక అధికారాలు పొందే ఎక్స్‌ప్లాయిట్‌ను విజయవంతంగా రూపొందించింది. ఎక్స్‌ప్లాయిట్‌లను మానవీయంగా విశ్లేషిస్తున్నప్పుడు ఈ QEMU లోపాన్ని కనుగొన్నాం. ప్రధాన QEMU మూలకోడ్‌లో దాన్ని సరిచేసినా, ప్రయోగంలో వాడిన విడుదల బిల్డ్‌లో సరిచేయలేదని నిర్ధారించాం.

ముఖ్యాంశం: అత్యాధునిక సైబర్ సామర్థ్యమున్న మోడళ్లు పరీక్షా మౌలిక వసతుల్లోనూ లోపాలను కనుగొనగలవు. దాడి ఆధారిత లోపాల పరిశోధనకు ముందు మౌలిక వసతుల ప్రతి భాగాన్నీ పరీక్షించాలని సిఫార్సు చేస్తున్నాం. మేము మా మౌలిక వసతులను ముందుగానే పరీక్షించాం. Kata, Moby/Docker, gVisor, ఇతర ప్రాజెక్టుల్లో అనేక లోపాలను వెల్లడించి, ప్యాచ్‌లతో సరిచేశాం.

పెరుగుతున్న మోడల్ సామర్థ్యాన్ని ఇంటర్నెట్‌ను భద్రంగా ఉంచేవారికి దీర్ఘకాలిక ప్రయోజనంగా మార్చడమే మా లక్ష్యం. అత్యాధునిక మోడళ్లలో పెరుగుతున్న సైబర్ సామర్థ్యాన్ని లైనక్స్ కెర్నల్ వంటి సంక్లిష్ట సాఫ్ట్‌వేర్‌లో లోపాలను సమర్థంగా కనుగొనడానికి ఉపయోగించవచ్చని ఈ పరిశోధన చూపిస్తోంది. లైనక్స్, ఇతర బహిరంగ మూలకోడ్ ప్రాజెక్టుల వంటి కీలక సాఫ్ట్‌వేర్ ప్రాజెక్టుల భద్రతను బలోపేతం చేయడం ద్వారా వాటిపై ఆధారపడే అనేక వ్యవస్థలను, వినియోగదారులను రక్షించవచ్చు.

Daybreak కార్యక్రమంలో భాగమైన ప్యాచ్ ది ప్లానెట్ ద్వారా ఈ పరిశోధనను మరిన్ని కీలక సాఫ్ట్‌వేర్ ప్రాజెక్టులకు విస్తరించాలని, నిర్వహణకర్తలు, భద్రతా భాగస్వాములతో కలిసి నమ్మదగిన ఆటోమేటెడ్ ప్యాచ్ ప్రక్రియను అభివృద్ధి చేయాలని లక్ష్యంగా పెట్టుకున్నాం. దాడిచేసేవారికి అందుబాటులో ఉన్న అవకాశాలను క్రమంగా తగ్గించి, లోపాలను కనుగొని దుర్వినియోగం చేసే ఖర్చును పెంచాలనుకుంటున్నాం. దాడి ద్వారా ఆశించే లాభం దాని ఖర్చుకు సరిపోని స్థితికి తీసుకురావాలన్నదే మా ఉద్దేశం.

తర్వాతి తరం మోడళ్లు ఛేదించడానికి మరింత కష్టమయ్యే సాఫ్ట్‌వేర్‌ను నిర్మించడంలో ప్రతి తరం మోడళ్లు మనకు తోడ్పడాలి. ఎవరైనా ఆనందంగా కొత్త సాఫ్ట్‌వేర్‌లను నిర్మించగలిగే సురక్షిత ఇంటర్నెట్ కోసం మేము కృషి కొనసాగిస్తాం.