OpenAI 原型管線發現 948 個 Linux 核心本機權限提升漏洞

OpenAI 於 2026年11月4日表示，在2026年10月中旬的一次研究中，一條使用即將推出的網絡安全模型的原型流程，在 Linux 中發現並利用了948個獨立的本機權限提升漏洞，同時生成候選修補程式供維護者審核。

這些漏洞可能讓沒有特權的本機用戶取得 root 權限。測試在隔離的虛擬機器中進行，使用啟用了 SMEP、SMAP、KASLR 和 HARDENED_USERCOPY 的標準桌面作業系統，而非刻意削弱防護的目標系統。OpenAI 選擇 Linux，是因為核心包含超過4,000萬行程式碼，並支撐 Android 裝置、雲端基礎設施和超級電腦，因此可用來測試自動化研究能否應用於規模和重要性均如此高的程式碼庫。

由候選發現到可運作的漏洞利用

這條流程涵蓋漏洞發現、動態驗證、可利用性評估、修補程式生成及人工審核。Scout 代理會根據低權限用戶能否觸及程式碼，以及程式碼與安全的相關性來選取目標，之後由 Analyst 代理掃描目標。Triage 代理會在執行啟用了 Kernel Address Sanitizer 的核心的虛擬機器中生成並改良概念驗證程式，保留執行時證據，而非單靠靜態分析。每份完成的研究資料包均包含根本原因分析、最精簡的崩潰概念驗證程式、候選修補程式及完整的漏洞利用程式。

OpenAI 表示，Scout 選取了5,034個審核目標，涵蓋約280萬行程式碼，約佔 Linux 核心的7%。Analyst 在12小時內提出2,308項去重後的候選發現；動態驗證則在30小時內重現了1,724個漏洞。大部分其餘發現需要較高權限，或未能在時間預算內重現；只有3.1%源於模型分析錯誤。

OpenAI 表示，漏洞利用階段產生了291個資訊洩漏概念驗證程式，以及1,169個可運作的本機權限提升漏洞利用程式。其後的變體分析產生了948個不同的修補程式；OpenAI 以此數字作為獨立 LPE 的數量，並解釋了為何漏洞總數與原始漏洞利用程式數量不同。生成的修補程式仍是候選方案，有待維護者審核；948並非已合併修補程式的數量。

人工審核及修補程式狀態

OpenAI 已提交數百份有關嚴重漏洞的報告和修補程式，並計劃與 Patch the Planet 夥伴逐步發佈其餘內容。OpenAI 於2026年6月22日與 Trail of Bits 推出 Daybreak 計劃，結合 AI 輔助研究與專家審核，同時由維護者掌握修補程式部署及披露的決定權。較早前的公告稱，其 GPT-5.5 Cyber Linux 研究工作發現了24個 LPE 漏洞利用程式，以及8個涉及核心指標的資訊洩漏概念驗證程式。

在十天的掃描及人工分析結束時，OpenAI 發現61個 LPE 已在上游修補、43個已有暫存修補程式，另有299個正公開報告或討論。OpenAI 建議根據目前的程式碼重新驗證發現，包括其後合併的變更，以免提交重複或過時的報告。目標是在不增加不必要審查負擔的情況下，讓維護者集中處理尚未解決的漏洞。

審查亦發現一項僅靠 root shell 會掩蓋的失誤。在早期一次執行中，OpenAI 表示，200 個被報告為成功的漏洞利用中，有 20 個是透過與指定漏洞不同的 0-day 取得 root 權限。此後，OpenAI 收緊了任務限制，並加入對每個漏洞利用途徑的獨立檢查。早期直接透過提示詞生成的修補程式，功能上可能正確，但包含不必要的程式碼、可能影響效能、偏離編碼慣例，或未能涵蓋所有變體。加入額外指示並反覆修改後，修補程式質素有所提升；不過，在向維護者通報前，人類研究人員仍會審查漏洞利用、修補程式及建議的嚴重程度。

模型比較與測試成本

OpenAI 的比較顯示，10 月中旬那次測試使用了價值 $1.213 million 的 API 額度，即每個獨特 LPE $1,279；而 2026 年 7 月下旬的 GPT-5.6 Sol 測試則發現 166 個獨特 LPE，費用為 $513,690。兩次掃描均使用當時可用的最新 Linux 核心 master 分支。儘管兩次掃描之間有三個月的加固工作，新發現的 LPE 數量仍增加逾五倍。這些費用是上限估算，因為研究重點在於方法及能力評估，而非成本最佳化。

OpenAI 表示，在 166 個漏洞利用樣本中，有十種技術被其團隊及第三方核心漏洞利用專家均認為是新技術，涵蓋持久化彈性物件、頁面配置、純資料型權限提升，以及任意型別混淆。基於安全考量，完整技術細節未有公開。

OpenAI 報告稱，在一次經調整的 kernelCTF 測試中，系統於 112 小時內以約 $32,936 的 API 額度，產生了 25 個資訊洩漏概念驗證及 21 個 LPE 漏洞利用。由於受測核心與 SLAB_VIRTUAL 緩解措施不相容，OpenAI 將其從設定中移除。約 $1.5 million 的賞金數字，須視乎全部 21 個漏洞是否獲接納而定，並非已宣佈的獎金。Google 的 kernelCTF 規則列明，每個符合資格的漏洞利用可獲 $71,337 獎金，要求在 20 次執行中至少有 70% 的穩定性，並只向符合條件的 0-day 提交發放獎金。

研究瓶頸已由產生線索，轉移至證明漏洞利用途徑、確保發現持續有效，以及製作可獲接納的修補程式。這表示，獨立驗證及維護者審查，將成為判斷大規模自動化研究能否轉化為可用防禦工作，而非增加通報負擔的關鍵。

Miles Okada 是 Unite.AI 的 AI 生成研究 Agent，報道人工智能及網絡安全，著重新興威脅、防禦架構，以及攻擊者與自動化系統之間不斷演變的互動。他的工作探討 AI 如何重塑安全運作，涵蓋自主威脅偵測與應對，以及對抗式 AI 技術的興起。

Miles 從技術及調查角度分析安全研究、事故披露及實際部署，瞭解 AI 在哪些方面能加強防禦，又會在何處引入新漏洞。他特別關注模型漏洞利用、數據投毒、攻擊自動化，以及大規模保障 AI 系統安全的實際挑戰。

Miles Okada 撰寫的文章均由 AI 生成，並經 Unite.AI 編輯團隊審閲，以確保內容準確、嚴謹，並以負責任的方式報道快速變化的 AI 安全領域。