Bir zamanlar her bulgu için ayrı ve uzun soluklu bir inceleme gerektiren güvenlik araştırmaları, giderek daha sistematik bir süreç olarak yürütülebiliyor. Bu yazı, bu alandaki çalışmalarımızdan birini ele alıyor.
Güvenlik açığı keşfini ölçeklendirmek kolaylaşıyor, ancak önceliklendirme ve doğrulama hâlâ operasyonel darboğazlar oluşturuyor. Kontrollü bir araştırma ortamında Linux çekirdeğindeki güvenlik açıklarını aramak için bir prototip geliştirdik. Prototipimiz, Linux çekirdeğinde 2.308 olası bulgu belirleyip analiz etti, 1.724 güvenlik açığını dinamik olarak yeniden üretti ve yetkisiz bir yerel kullanıcının root erişimi elde etmesini sağlayabilecek 948 yerel yetki yükseltme (LPE) istismar kodu oluşturdu.
Bu kanıtları, bildirilecek güvenlik açıklarını önceliklendirmek için kullandık ve bakım sorumlularının incelemesi için aday yamalar geliştirdik. Linux çekirdeği topluluğunun yönlendirmesiyle kritik güvenlik açıklarından başladık. Diğer raporlar ve yamalar üzerinde Patch the Planet ortaklarıyla çalışıyoruz.
Haziran ayında, Patch the Planet girişimimiz kapsamında, GPT‑5.5 Cyber'ın Linux çekirdeğinde güvenlik açıkları belirlediğini ve bunları doğrulayıp bildirmek için 24 yerel yetki yükseltme istismar kodu geliştirdiğini paylaşmıştık. Bu çalışmayı, yakında kullanıma sunulacak bir siber modelden güç alan; güvenlik açığı keşfi, dinamik doğrulama, istismar edilebilirlik değerlendirmesi ve yama üretimini kapsayan bir işlem hattına dönüştürdük. İşlem hattı tamamlandığında insan araştırmacılar çıktıları inceledi ve bulunan güvenlik açıklarını yamalarla birlikte bildirdi.
Özet
Metodoloji
İşlem hattımız genel hatlarıyla şöyle çalışıyor: Önce Linux çekirdeğinin güvenlikle ilgili bölümlerini belirliyor, bu denetim hedeflerini olası bulgular için statik olarak tarıyor, bulguları yalıtılmış bir ortamda dinamik olarak yeniden üretiyor, istismar edilebilirliği göstermek için bir kavram kanıtı (PoC) istismar kodu oluşturuyor ve yamalar üretiyor. Son olarak bir insan güvenlik araştırmacısı sonuçları inceliyor.
İşlem hattının çıktıları arasında kök neden analizi, çökmeyi tetikleyen asgari bir kavram kanıtı, aday yama ve tam işlevli istismar kodu yer alıyor. Bunlar, insan araştırmacıların güvenlik açığının ciddiyetini değerlendirmesine ve düzeltmeleri ana projeye dahil etmesine yardımcı oluyor.
Bulgular
Ekim 2026 ortasında yapılan bir çalıştırmada, yakında kullanıma sunulacak bir siber modeli kullanan işlem hattımız 1.724 güvenlik açığını dinamik olarak yeniden üretti. Yaygın kullanılan bir Linux dağıtımı için 291 bilgi sızıntısı açığına yönelik PoC ve 948 çalışan yerel yetki yükseltme (LPE) istismar kodu oluşturdu. Çalıştırmanın toplam maliyeti API kredisi olarak 1.213.430 dolar, yani LPE istismar kodu başına 1.279 dolar oldu.
Hedef sanal makineler, güvenliği zayıflatılmış bir hedef yerine standart bir masaüstü işletim sistemi çalıştırıyordu ve siber güvenlik yarışmalarında (ör. Pwn2Own(yeni bir pencerede açılır), TyphoonPWN(yeni bir pencerede açılır)) kullanılan tehdit modeliyle değerlendirildi. Geçmişte Pwn2Own ve TyphoonPWN, Linux çekirdeği LPE istismar kodları için sırasıyla 20.000 ve 70.000 dolar hata ödülü sunuyordu. Geçmişteki bu ödül tutarları 948 istismar koduna uygulandığında, işlem hattımızın maliyetinin yaklaşık 16 ila 55 katı olan 18,9–66,3 milyon dolarlık varsayımsal bir değer ortaya çıkıyor.
Linux çekirdeğinin saldırı yüzeyi daraltılmış bir sürümünü kullanan, uyarlanmış bir kernelCTF(yeni bir pencerede açılır) ortamında işlem hattımız 25 bilgi sızıntısı PoC'si ve 21 LPE istismar kodu elde etti. Karşılaştırmak gerekirse bu yazının kaleme alındığı tarihte kernelCTF, 2026 yılı içinde doğrulanmış 26 sıfır gün LPE istismar kodunu kabul etmişti.
Çalışmanın maliyeti API kredisi olarak yaklaşık 32.936 dolardı. Program bu 21 güvenlik açığını kabul ederse yaklaşık 1,5 milyon $ ödül alınır. Bu tutar, tarama maliyetinin yaklaşık 45 katına karşılık gelir.
Bildiğimiz kadarıyla, bu işlem hattındaki ajanlar en az 10 yeni Linux istismar tekniği keşfetti ve kullandı.
Değerlendirmeler
Linux bakım sorumluları ve güvenlik topluluğu, güvenlik açıklarını hızla keşfedip gidermek için yoğun biçimde çalışıyor. Taramanın sürdüğü 10 günlük süre içinde, 100'den fazla Linux LPE açığının yamalandığını veya diğer katkı sağlayıcılar tarafından hazırlanan yamalarının ön aşamada olduğunu, yaklaşık 300 açığın daha kamuya açık biçimde tartışıldığını gözlemledik.
En üst seviye modellerin güvenlik açıklarını keşfetme hızı göz önüne alındığında, yazılımları gereken hızda güvenli hâle getirmek ve açıkların istismar edilebileceği süreyi kısıtlamak için otomatik yama üretiminin zorunlu olduğuna inanıyoruz. İnsan uzmanların yönlendirdiği yinelemeli iyileştirmelerle, AI tarafından üretilen yamaların işlevsel açıdan doğru, mevcut kodlama stilleriyle uyumlu ve saldırı varyantlarına dayanıklı olabileceğine inanıyoruz. Bu, daha fazla araştırma gerektiren önemli bir alan.
Daha yetenekli modeller, mevcut kodda yeni güvenlik açıkları keşfedebiliyor; bunlar çoğu zaman daha uzun süredir var olan ve tespit edilmesi daha karmaşık açıkları da içeriyor. Taramalar arasında üç ay boyunca güvenlik güçlendirmeleri yapılmasına rağmen, ekim ortasında daha yeni siber modeli kullanan analiz hattımız, temmuzdaki GPT‑5.6 Sol çalıştırmasına kıyasla beş katın üzerinde yeni LPE açığı keşfetti.
Büyük ve karmaşık yazılım projelerinde, gizli kalmış hataları bütünüyle ortaya çıkarmak için muhtemelen birden fazla tarama ve güvenlik açığı giderme turu gerekiyor. İdeal olarak bu süreç, en üst seviye modellerin her yeni nesliyle tekrarlanmalı. Bu, hem özel mülkiyetli hem de açık kaynaklı yazılımlar için geçerli.
Kısa ve orta vadede, mevcut en son yamaları uygulanmamış bir işletim sistemindeki düşük yetkili bir hesaba erişimin, güçlü kaynaklara sahip bir tehdit aktörü için işlevsel olarak root erişimine eşdeğer olduğu kabul edilmeli. Korumalı alanlar ve Firecracker ile gVisor gibi yalıtım yaklaşımlarından yararlanan çok katmanlı savunma, istismar edilen güvenlik açıklarının etki alanını sınırlamak açısından önemli.
Önümüzdeki birkaç yıl içinde, bir yazılım projesinde güvenlik açıkları varsa en üst seviye modellerin bunları büyük olasılıkla keşfedebileceğine ve açıklar ifşa edildikten sonra daha az yetenekli modellerin bile bunlara yönelik istismar kodları geliştirebileceğine inanıyoruz. Bilinmeyen güvenlik açıklarının kalmadığı bir dünyada, özellikle işletim sistemleri, tarayıcılar, görüntü ayrıştırma kitaplıkları, TCP/IP yığını ve benzeri temel yazılımlar başta olmak üzere, güvenilirliği yüksek düzeyde güvence altına alınmış yazılımlar geliştirmek ve bunların bakımını yapmak kritik önem taşıyacak. Mevcut güvenlik açıklarını bulup gidermenin yanı sıra, modelleri varsayılan olarak güvenli kod yazacak şekilde eğitmeye yatırım yapmak, gereksiz özellikleri kaldırarak saldırı yüzeyini en aza indirmek ve biçimsel doğrulama kullanmak, yazılım güvenliğini etkili biçimde ölçeklendirmek için umut vadeden araştırma alanları.
Linux çekirdeği; Android cihazların, bulut altyapısının, süper bilgisayarların ve milyarlarca insanın kullandığı diğer sistemlerin temelini oluşturuyor. 40 milyondan fazla kod satırı içeren çekirdek; sistem çağrıları, ağ işlevleri, dosya sistemleri ve aygıt sürücüleri üzerinden geniş bir saldırı yüzeyi sunuyor. En üst seviye modellerin bu ölçekte ve önemde bir kod tabanında güvenlik açıklarını ne kadar etkili bulabildiğini ve bunların güvenlik etkisini ne kadar iyi gösterebildiğini incelemek için Linux'u seçtik.
İlk güvenlik açığı keşif aşaması, güvenlik araştırmacılarının elle inceleyip ön değerlendirmeden geçiremeyeceği kadar çok, binlerce olası bulgu üretti. Güvenlik açığı keşif hattımızdaki operasyonel zorluk, keşfin kendisi değil; hangi bulguların yeniden üretilebildiğini, hangi güvenlik sınırını aştığını ve hangilerinin bakım sorumlularınca en erken ele alınması gerektiğini belirlemekti.
OpenAI'ın Siber ekibinin misyonu, dünyanın dayandığı yazılımların güvenliğini sağlamaya yardımcı olmak. Araştırmacıların bu çalışmayı tekrarlamak ve genişletmek için gereken kaynakları değerlendirebilmesine yardımcı olmak amacıyla her aşamanın API maliyetini paylaşıyoruz. Bu maliyetler, bu değerlendirmede kullanılan modelleri, hedef yapılandırmalarını ve iş akışını yansıtıyor. Daha geniş hedefimiz, savunma ekiplerinin güvenlik açıklarını bulup gidermesine yardımcı olmak, böylece saldırganların elindeki fırsatları azaltmak ve yazılım istismarının onlar için maliyetini artırmak.
Son olarak, bu araştırmada maliyete değil, metodolojiye ve model yeteneklerini ölçmeye odaklandığımızı belirtelim. Düzeneğe yönelik yeterli mühendislik çalışmasının her aşamadaki maliyeti kayda değer ölçüde azaltabileceğini düşünüyoruz. Dolayısıyla bildirdiğimiz maliyetler daha çok bir üst sınır niteliğinde.
Güvenlik açığı araştırma prototipimiz, merkezinde yakında kullanıma sunulacak bir siber modelin yer aldığı beş aşamalı bir işlem hattı:
Güvenlik açığı keşfi: Ajanlar, kod tabanının güvenlikle ilgili bölümlerini belirler ve olası bulgular için bu bölümleri tarar.
Dinamik doğrulama: Ajanlar, her olası bulguyu yalıtılmış bir ortamda yeniden üretmeye çalışır ve çalışma zamanı kanıtlarını saklar. Bu adımın çıktısı, yeniden üretilmiş ve doğrulanmış güvenlik açıklarıdır.
İstismar edilebilirlik değerlendirmesi: Ajanlar, doğrulanmış güvenlik açıklarının bilgi ifşasına veya yerel yetki yükseltmeye olanak tanıyıp tanımadığını test eder.
Yama üretimi: Ajanlar, belirlenen her güvenlik açığını gideren yamalar üretir.
İnsan incelemesi: Güvenlik araştırmacıları, bakım sorumlularına bildirimde bulunmadan önce istismar kodunu, yamayı ve önerilen ciddiyet düzeyini inceler.
İşlem hattının sonunda sistem; kök neden analizini, çökmeyi tetikleyen asgari bir kavram kanıtını, aday yamayı ve tam işlevli istismar kodunu bir araya getirir. Bunlar, insan araştırmacıların güvenlik açığının ciddiyetini değerlendirmesine ve düzeltmeleri ana projeye dahil etmesine yardımcı olur.
Linux çekirdeğindeki her kod satırı güvenlikle ilgili değildir. İşlem hattımız, denetim açısından yüksek değer taşıyan hedefleri belirlemek için bir keşif ajanı ekibi kullandı. Bu hedefler daha sonra güvenlik açığı taraması için analist ajanlara aktarıldı.
Keşif ajanları her klasör ve dosyayı okuyarak erişilebilirliğine (düşük yetkili kullanıcılar tarafından erişilebilmesine) ve güvenlikle ilişkisine göre hangi hedeflerin denetleneceğini belirliyor.
Bu aşamada, Linux çekirdeğinin tüm kod tabanının yaklaşık %7'sine karşılık gelen, yaklaşık 2,8 milyon satırlık 5.034 denetim hedefi belirlendi. Böylece tüm kod tabanının analizine kıyasla güvenlik denetiminin maliyeti önemli ölçüde azaldı. Bu adımın maliyeti API kredisi olarak 3.426 dolardı.
Ardından analist ajanlar, her denetim hedefini analiz ederek Codex Security eklentisininkine(yeni bir pencerede açılır) benzer bir iş akışıyla olası bulgular üretti. Genel olarak analist ajanlar, kendilerine atanan denetim hedefinin nasıl çalıştığını anlamak, tehdit modelini belirlemek ve güvenlik açıklarını aramak için hedefin kodunu okuyor.
Analist ajanlar 12 saat içinde, yinelenenler çıkarıldıktan sonra 2.308 olası bulgu üretti. Bu aşamanın maliyeti API kredisi olarak 316.549 dolardı.
Olası bir bulgu, doğrulanmış bir güvenlik açığıyla aynı şey değildir. Bu ölçekte her raporu elle incelemek araştırma ekibimiz için uygulanabilir değil.
Bu nedenle a) düşük yetkili bir kullanıcının erişebildiği, b) özel yetkiler gerektirmeyen ve c) bellek bozulmasına ilişkin ölçülebilir kanıt üreten bulguları doğrulamaya odaklandık.
Bir ön değerlendirme ajanı, her olası bulgu için bir kavram kanıtı oluşturdu ve bunu Kernel Address Sanitizer (KASAN) etkinleştirilmiş bir Linux çekirdeği çalıştıran yalıtılmış sanal makinede yürüttü. Ajan hem program çıktısını hem de sistem konsolunu izledi. Ardından, bildirilen davranışı yeniden üretinceye veya bu davranışı tetikleyebilecek tüm olası yolları tüketinceye kadar kavram kanıtını yinelemeli olarak iyileştirdi.
Sistemimiz 30 saat içinde 1.724 güvenlik açığını yeniden üretti; bu, 2.308 olası bulgunun yaklaşık %74,7'sine karşılık geliyor. Tek başına statik kod incelemesi yanlış pozitif sonuçlara yatkın olabilir. Bu nedenle analist ajanların doğruluğu ve ön değerlendirme ajanlarının olası bulguların neredeyse dörtte üçü için otonom biçimde çalışan kavram kanıtları oluşturmadaki etkinliği bizi etkiledi.
Kalan bulguların çoğu ya yükseltilmiş yetkiler gerektiriyordu ya da zorlu yarış koşulları, özel tetikleme koşulları (ör. belirli bir satırda bellek ayırma işleminin başarısız olması gerekliliği) veya zaman alan doğrulama (ör. referans sayacının taşarak başa dönmesi) nedeniyle ayrılan sürede yeniden üretilemedi. Yalnızca %3,1'inde modelin analizi hatalıydı; bu bulgularda bildirilen güvenlik açığı, gerçekleşmesi imkânsız bir koşula dayanıyordu.
Doğrulama aşamasının toplam maliyeti API kredisi olarak 73.330 dolardı. Doğrulama hattımızda, olası bir bulgunun gerçek bir güvenlik açığı olduğunu teyit etmek için kavram kanıtı üretmek gerekiyordu. Bu sürecin yalnızca statik analize dayalı bir öneri sunmaktan daha maliyetli olduğunu ve doğru pozitif ile yanlış pozitif bulguları doğrulama girişimlerinin benzer maliyetlere sahip olduğunu gözlemledik. Dolayısıyla yanlış pozitifleri işlem hattının daha erken aşamalarında elemek, süreci maliyet açısından belirgin biçimde daha verimli hâle getiriyor.
Doğrulama, bir güvenlik açığının gerçek olduğunu ortaya koyar; ancak ne kadar acil ele alınması gerektiğini belirlemez. Örneğin yerel yetki yükseltmeye olanak tanıyabilecek bir güvenlik açığı, yalnızca yerel hizmet reddine yol açabilecek bir açıktan daha yüksek önceliği hak eder. 1.724 güvenlik açığı doğrulandıktan sonraki görev, güvenlik açısından potansiyel etkisi en büyük olan bulguları belirlemekti.
Bir ön eleme ajanı her raporu, çökme günlüğünü ve ilgili kaynak kodunu statik olarak inceledi. Potansiyel olarak ciddi bulguları elememek için eşik bilinçli olarak düşük tutuldu; makul bir istismar yolu olmayan vakalar ise elendi. Böylece sonuçlar 313 bilgi sızıntısı adayı ve 1.238 yerel yetki yükseltme adayına indirildi.
Ardından istismar geliştirme (ExploitDev) ajanları bu adayları, standart bir Linux dağıtımının etkinleştirdiği korumalarla yapılandırılmış yalıtılmış sanal makinelerde test etti. Bu korumalar arasında Supervisor Mode Execution Prevention (SMEP), Supervisor Mode Access Prevention (SMAP), Kernel Address Space Layout Randomization (KASLR) ve HARDENED_USERCOPY bulunuyordu. Bu, korumaların devre dışı bırakılmasına dayanan gerçekçi olmayan değerlendirmeleri önlemeye yardımcı oldu.
Ajanlar, bilgi sızıntıları için 291 kavram kanıtı ve yetkisiz yerel kullanıcılara root erişimi sağlayabilecek 1.169 çalışan yerel yetki yükseltme istismar kodu üretti.
Varyant analizi yaptık ve bu istismar kodlarının kullandığı güvenlik açıkları için 948 ayrı yama geliştirdik. Toplam benzersiz LPE sayısını belirlemek için bu sayıyı kullanıyoruz. Başarılı istismar kodlarını geliştirmenin ortalama maliyeti kredi olarak 359 dolardı. Bu, savunma ekiplerinin bulunan güvenlik açıklarının istismar edilebilirliğini görece düşük maliyetle test edebilmesini sağlıyor.
Güvenlik açığı ön eleme ajanının maliyeti API kredisi olarak 44.194 dolardı. İstismar aşamasının toplam maliyeti API kredisi olarak 775.929 dolardı. Bunun 84.929 doları bilgi sızıntısı adaylarının, 691.000 doları ise yerel yetki yükseltme adaylarının işlenmesine harcandı.
Bir yerel yetki yükseltme adayını işlemenin ortalama maliyeti (558 dolar), bir bilgi sızıntısı adayını işlemenin maliyetinin (271 dolar) yaklaşık iki katıydı. Bunun nedeni, bilgi sızıntısı PoC'lerinin doğrulama aşamasından devralınması ve bir istismar kodunda kullanılabilir hâle gelmek için daha az değişiklik gerektirmesiydi. Buna karşılık, bir LPE adayından istismar kodu geliştirmek; istismar stratejisi planlama, kullanılacak savunmasız nesneleri belirleme, korumaları aşma gibi pek çok ek adım gerektiriyordu. Başarısız istismar girişimlerinin (69 vaka için 3.922 dolar), başarılı olanlardan (1.169 vaka için 360 dolar) çok daha maliyetli olduğunu da fark ettik. Bunun nedeni, istismarı zor olan birkaç güvenlik açığıydı (ör. yarış koşulları). Bir saat boyunca ilerleme kaydedilemediğinde girişimi durdurmak gibi makul bir vazgeçme koşulu belirlemek, ExploitDev maliyetini önemli ölçüde azaltabilirdi.
Sistem, doğrulanan her güvenlik açığı için bir yama da üretiyor. Modele ilgili kaynak kodunu sağlıyor ve yama yazımındaki en iyi uygulamaları izleme talimatı veriyoruz. Bunlar arasında yamada statik kontroller yapmak, çevredeki kodda kullanılan yazılım geliştirme uygulamalarına uymak ve yamanın eksiksiz olduğundan emin olmak için varyant analizi yapmak yer alıyor.
Linux çekirdeği topluluğunun önerisi doğrultusunda, kritik güvenlik açıkları için şimdiden yüzlerce rapor ve yama gönderdik. Kalan açıklar için yamaları kademeli olarak göndermek üzere Patch the Planet ortaklarıyla çalışıyoruz. Bu çalışma, Daybreak kapsamında açık kaynak projelerini desteklemeye yönelik daha geniş taahhüdümüzün bir parçası.
Bu bölümde araştırmadan öğrendiklerimizi, değerlendirmelerimizi ve ek analizlerimizi paylaşıyoruz.
Bu araştırma sırasında Linux bakım sorumlularının güvenlik açıklarını gidermek ve kullanıcıları korumak için hızla harekete geçtiğini gözlemledik. Tarama, Ekim 2026 ortasında Linux çekirdeğinin en güncel sürümünde yapıldı. Otonom tarama ve elle analiz 10 gün sonra tamamlandığında, 61 LPE açığı ana projede zaten yamalanmıştı, 43'ünün yamaları ön aşamadaydı ve 299'u kamuya açık biçimde bildiriliyor ve tartışılıyordu.
Belirlenen sorunları hızla yamalamak için çalışan Linux bakım sorumlularına ve bulgularıyla katkı sunan daha geniş güvenlik topluluğuna çok teşekkür ediyoruz. Dünyanın kullandığı yazılımların güvenliğini sağlamak için tam da böyle kolektif bir çabaya ihtiyaç var. Güvenlik açıklarının hızla ifşa edilip yamalanması, kullanıcıların ve şirketlerin yazılımlarını güncel tutmasının ne kadar kritik olduğunu da vurguluyor.
Çıkarım: Otomatik ön değerlendirme, hızlı yama döngüsünü hesaba katmalı. Bulguları, ilk taramadan sonra birleştirilen yeni kodlar da dahil olmak üzere en güncel kod üzerinde yeniden doğrulamak, yinelenen veya güncelliğini yitirmiş raporları önlemeye yardımcı oluyor. Bu yaklaşım, odağı çözülmemiş güvenlik açıklarına yöneltiyor ve bakım sorumlularına gereksiz inceleme yükü eklemeden harekete geçebilecekleri kanıtlar sunuyor.
İşlem hattını geliştirirken, Temmuz 2026 sonlarında GPT‑5.6 Sol, API kredisi olarak uçtan uca 513.690 dolar maliyetle 166 benzersiz LPE açığı buldu ve istismar etti.
Ekim 2026 ortasındaki ikinci taramada, daha yeni siber model API kredisi olarak uçtan uca 1.213.430 dolar maliyetle 948 benzersiz LPE açığı buldu ve istismar etti. Her iki çalışmada da Linux çekirdeğinin o tarihteki en güncel master dalını taradık.
Çıkarım: Modellerin yetenekleri geliştikçe daha önce denetlenmiş kodu yeniden tarayın. Daha yetenekli bir model, aynı araştırma düzeneğini kullanırken bile önceki modellerin gözden kaçırdığı güvenlik açıklarını ortaya çıkarabilir.
Ajanların geliştirdiği istismar kodlarından 166'sını örneklem olarak seçtik ve bunlarda kullanılan istismar tekniklerini analiz ettik. Bildiğimiz kadarıyla ajanlar, örneklemdeki istismar kodlarında 10 yeni istismar tekniği kullandı. Bu teknikleri bağımsız çekirdek istismarı uzmanlarıyla paylaştık; teknikler onlar için de yeniydi.
Bu 10 tekniğin ikisi, modelin hedef çekirdek önbelleğini nesnelerle doldurmak için kullandığı yeni kalıcı esnek nesneler; ikisi, istismarın güvenilirliğini artıran yeni bellek sayfası düzenleme teknikleri; beşi ise doğrudan veya keyfî yazma yoluyla yetki yükseltme sağlayan, yalnızca veriye dayalı yeni tekniklerdi. Diğer teknik keyfî tür karışıklığı içeriyordu. Güvenlik nedeniyle bu yazıda söz konusu yeni istismar tekniklerinin tüm teknik ayrıntılarını paylaşmıyoruz.
Çıkarım: En üst seviye modeller yalnızca bilinen, güvenlik açığı içeren kod kalıplarını eşleştirmekle veya bilinen istismar tekniklerini kullanmakla kalmıyor; yaratıcılık ve yeni yaklaşımlar da sergiliyor.
Ekibimizin misyonunun önemli bir parçası, güvenlik açıklarını bulup istismar etmenin maliyetini ölçmek ve bu kanıtlarla savunma yatırımlarına yön vermek. Amacımız, savunma ekiplerinin güvenlik açıklarını saldırganlar kullanamadan gidermesine yardımcı olmak ve yazılım istismarını saldırganlar için ekonomik açıdan sürdürülemez hâle getirmek. İstismar maliyetlerini ölçmek, modellerin yetenekleri geliştikçe bu zorluğun nasıl değiştiğini değerlendirmemize yardımcı oluyor. Bu bölümde, işlem hattımızı çalıştırmanın maliyetini belirlenen güvenlik açıkları için hata ödül programlarının sunduğu ödüllerle karşılaştırıyoruz.
Deneyimizdeki hedef sanal makineler, güvenliği zayıflatılmış bir hedef yerine standart bir masaüstü işletim sistemi çalıştırıyordu ve siber güvenlik yarışmalarında (ör. Pwn2Own(yeni bir pencerede açılır), TyphoonPWN(yeni bir pencerede açılır)) kullanılan tehdit modeliyle değerlendirildi. Geçmişte Pwn2Own ve TyphoonPWN, Linux çekirdeğinde yerel yetki yükseltme istismar kodları için sırasıyla 20.000 ve 70.000 dolar hata ödülü sunuyordu. Geçmişteki bu ödül tutarları 948 istismar koduna uygulandığında, işlem hattımızın maliyetinin yaklaşık 16 ila 55 katı olan 18,9–66,3 milyon dolarlık varsayımsal bir değer ortaya çıkıyor.
İşlem hattımızı, hedef olarak saldırı yüzeyleri daraltılmış ve güvenliği güçlendirilmiş bir Linux çekirdeği kullanan Google'ın kernelCTF(yeni bir pencerede açılır) güvenlik açığı ödül programında da test ettik. İşlem hattını kernelCTF ortamında Linux çekirdeğinin en güncel sürümünde çalıştırdık ve 25 bilgi sızıntısı kavram kanıtı ile 21 yerel yetki yükseltme istismar kodu elde ettik. Bu sürüm, kernelCTF'deki SLAB_VIRTUAL korumasıyla uyumsuz olduğundan söz konusu korumayı yapılandırmadan çıkardık. Karşılaştırmak gerekirse bu yazının kaleme alındığı tarihte kernelCTF, 2026 yılı içinde doğrulanmış 26 sıfır gün LPE istismar kodunu kabul etmişti. Çalışmanın tamamı 112 saat sürdü ve API kredisi olarak yaklaşık 32.936 dolara mal oldu. Güvenlik açığı keşfi, API maliyetinin %83,7'sini oluşturdu. Program bu 21 güvenlik açığını kabul ederse yaklaşık 1,5 milyon $ ödül alınır. Bu tutar, çalışmanın toplam maliyetinin yaklaşık 45 katına karşılık gelir.
Çıkarım: Kamuya açık ödül tutarlarına göre, mevcut siber yetenekli modellerle çalışan güvenlik açığı araştırma hattımız, bu araştırmanın yapıldığı tarihte net kâr sağlayabilecek durumdaydı. Savunma ekipleri, saldırganların yazılımlarını istismar etmesini ekonomik açıdan sürdürülemez hâle getirmek için yazılımlarını proaktif biçimde analiz etmeli.
İstismar edilebilirlik değerlendirmesi sırasında ExploitDev ajanlarına bir güvenlik açığı raporu verildi ve tamamen işlevsel bir istismar kodu oluşturma görevi atandı. İşlem hattımız, başarıyla bir root kabuğu elde edildiğinde güvenlik açığını istismar edilmiş olarak işaretliyordu. İlk çalıştırmalardan birinde istismar aşaması, 200 başarılı yerel yetki yükseltme istismar kodu bildirdi. Ancak insan incelemesinin ardından, bunların 20'sinin root yetkilerini kendilerine atanandan farklı bir sıfır gün güvenlik açığı üzerinden elde ettiğini gördük. Bu durum, ajanların başarılı istismarlarının bile gerektiği gibi doğrulanması gerektiğini gösteriyor.
Bunun üzerine görev kısıtlarını sıkılaştırdık ve her nihai istismar kodunun kendisine atanan güvenlik açığını kullandığını doğrulayan bağımsız bir kontrol ekledik.
Çıkarım: Otonom güvenlik araştırmalarında yalnızca sonucu değil, sonuca giden yolu da doğrulayın. Yalıtım, izleme ve bağımsız kontroller gerekli denetim mekanizmalarıdır.
Bu araştırmanın başlarında, ajanın siber yeteneklerini geliştirmek için etrafında kapsamlı bir orkestrasyon kurup kurmama kararını inceledik. Elde ettiğimiz sonuç, daha güçlü modellerin daha hafif orkestrasyon ve daha az adım adım yönlendirme gerektirdiğini gösterdi. Üstelik sağlanan sınırlı iyileşme, bakım maliyetini haklı çıkarmıyordu. Bu nedenle kapsamlı orkestrasyonu kaldırmaya karar verdik.
Deneyde GPT‑5.5 Cyber ve GPT‑5.6 Cyber karşılaştırıldı. Gözlemlerimize göre GPT‑5.5 Cyber, mevcut Linux çekirdeği istismar tekniklerini ne zaman ve nasıl uygulayacağını tutarlı biçimde belirleyemiyordu. Bunun üzerine 103 tekniği modelin kolayca kullanabileceği bir formatta derledik, ajanın ortamına ekledik ve ajana bunları kullanması talimatını verdik. Bu, 63 istismar adayındaki başarı oranını %76,2'den %88,9'a yükseltti.
Aynı deneyi GPT‑5.6 Cyber ile tekrarladığımızda model, ilgili teknikleri kendi başına bulma, seçme ve uygulamada daha başarılıydı. Teknik/beceri orkestrasyonunu kaldırdık. Bu hafif orkestrasyonlu GPT‑5.6 Cyber iş akışı, daha kapsamlı bir destek yapısına sahip GPT‑5.5 Cyber iş akışından daha iyi performans gösterdi. GPT‑5.6 Cyber'a ek teknik katmanını geri eklemek, yalnızca 1,5 yüzde puanlık sınırlı bir iyileşme sağladı.
Çıkarım: Temel modelin yetenekleri değiştikçe orkestrasyonunuzu ve düzeneğinizi yeniden değerlendirin. Bir model neslini belirgin biçimde iyileştiren destek yapısı, daha güçlü bir modele çok az değer katabilir. Sağladığı fayda, bakım yüküyle birlikte değerlendirilmelidir.
Başlangıçta modele doğrudan aday yamalar üretmesi söylendiğinde, kavram kanıtının etkisini önleyen, işlevsel olarak doğru yamalar oluşturuyordu. Ancak zaman zaman başka sorunlar ortaya çıkıyordu: Gereğinden fazla kod ekliyor, olası performans kayıplarına yol açıyor, kodlama kurallarından sapıyor veya aynı güvenlik açığının varyantları için ilgili kodu incelemeyerek eksik yamalar üretiyordu.
Ek talimatlar ve yama üretim sürecindeki yinelemeli iyileştirmeler, yamaların kalitesini artırdı. Bu, doğru bir yaklaşımla AI tarafından üretilen güvenlik yamalarının doğru, asgari kapsamda ve mevcut kodlama kurallarıyla tutarlı olabileceğini gösteriyor. Bu, üzerinde aktif olarak çalışılan bir araştırma alanı. Gelecekteki modellerle sürecin daha kolay ve etkili hâle geleceğine inanıyoruz. Araştırma prototipimiz, birkaç durumda insan uzmanların yazdığı yamalardaki sorunları da belirleyebildi. Bu sorunlar, yamalar ana koda birleştirilmeden önce giderildi.
Çıkarım: Modeller yama sürecini hızlandırabilir. Ancak yamaların hem işlevsel hem de işlevsel olmayan gereksinimleri güvenilir biçimde karşılamasını sağlamak için yama becerileri ve düzeneklerinde yinelemeli iyileştirmeler gerekebilir. Ayrıca, insanlar ve AI tarafından üretilen yamaları saldırgan gözüyle incelemek için modellerin kullanılmasını öneriyoruz. Bu yaklaşım, yamanın aşılabilmesi, diğer saldırı yollarının veya varyantlarının gözden kaçırılması gibi sorunları belirleyebilir.
kernelCTF çalıştırmamızda araştırma prototipimiz, Linux çekirdeğine yönelik 21 sıfır gün istismar kodunun yanı sıra bir QEMU TCG güvenlik açığı da buldu ve istismar etti. Analist ajana sistem çağrısı giriş kodunu analiz etme görevi verilmişti. Ajan, yetki geçişlerini denemek için programlar yazarken beklenmedik bir çekirdek çökmesiyle karşılaştı. Çökmeyi ön değerlendirmeden geçirdi ve QEMU'nun kaynak koduna erişimi olmadan sorunun QEMU TCG'den kaynaklandığını saptayarak güvenlik açığını rapora dahil etti. Ardından ExploitDev ajanı, bu güvenlik açığı için başarıyla bir yerel yetki yükseltme istismar kodu geliştirdi. İstismar kodlarını elle analiz ederken bu QEMU güvenlik açığını fark ettik ve açığın QEMU'nun ana projesinde giderildiğini, ancak deneyde kullanılan sürüm derlemesinde hâlâ bulunduğunu doğruladık.
Çıkarım: Siber yeteneklere sahip en üst seviye modeller, test altyapısındaki güvenlik açıklarını bulabilir. Saldırı odaklı güvenlik açığı araştırmalarına başlamadan önce altyapının her parçasını test etmenizi öneriyoruz. Altyapımızı proaktif biçimde test ettik; Kata, Moby/Docker, gVisor ve diğer projelerdeki birçok güvenlik açığını bildirdik ve yamaladık.
Amacımız, modellerin artan yeteneklerini internetin güvenliğini sağlayan kişiler için kalıcı bir avantaja dönüştürmek. Bu araştırma, en üst seviye modellerin gelişen siber yeteneklerinin Linux çekirdeği gibi karmaşık yazılımlardaki güvenlik açıklarını etkili biçimde aramak için kullanılabileceğini gösteriyor. Linux ve diğer açık kaynak projeleri gibi kritik yazılım projelerini güçlendirmek, bunlara dayanan çok sayıda sistemi ve kullanıcıyı koruyabilir.
Bir Daybreak girişimi olan Patch the Planet aracılığıyla bu araştırmayı daha fazla kritik yazılım projesine yaymayı ve proje bakım sorumluları ile güvenlik ortaklarımızla birlikte güvenilir otomatik yama çözümleri geliştirmeyi hedefliyoruz. Saldırganların elindeki fırsatları sürekli azaltmak ve güvenlik açıklarını bulup istismar etmenin maliyetini artırmak istiyoruz; ta ki beklenen kazanç, saldırıyı artık haklı çıkarmayana kadar.
Her model nesli, bir sonraki neslin ele geçirmekte daha fazla zorlanacağı yazılımlar geliştirmemize yardımcı olmalı. Herkesin üzerinde keyifle yeni şeyler geliştirebileceği güvenli bir internet oluşturmak için çalışmaya devam edeceğiz.
