الأمن السيبراني

يعثر خط أنابيب OpenAI على 948 ثغرة لرفع الصلاحيات في نواة Linux

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

أفادت OpenAI في 4 نوفمبر 2026 بأن خط أنابيب تجريبيًا يستخدم نموذجًا سيبرانيًا مرتقبًا اكتشف واستغل 948 ثغرة فريدة لرفع الصلاحيات محليًا في Linux، خلال تجربة بحثية أُجريت في منتصف أكتوبر 2026، كما أنشأ تصحيحات مرشحة لمراجعتها من قبل مسؤولي الصيانة.

قد تتيح هذه الثغرات لمستخدم محلي غير مخوّل الحصول على صلاحيات الجذر. وأُجريت الاختبارات في آلات افتراضية معزولة تعمل بنظام تشغيل مكتبي قياسي، مع تفعيل SMEP وSMAP وKASLR وHARDENED_USERCOPY، لا على نظام مستهدف أُضعفت حمايته عمدًا. واختارت OpenAI نظام Linux لأن النواة تضم أكثر من 40 مليون سطر من التعليمات البرمجية، وتعتمد عليها أجهزة Android والبنية التحتية السحابية والحواسيب العملاقة، ما يتيح اختبار البحث الآلي على قاعدة برمجية بهذا الحجم والأهمية.

من النتائج المرشحة إلى عمليات الاستغلال الفعلية

يربط خط الأنابيب بين اكتشاف الثغرات والتحقق الديناميكي وتقييم قابلية الاستغلال وإنشاء التصحيحات والمراجعة البشرية. ويختار وكلاء الاستطلاع الشيفرة البرمجية بناءً على إمكانية وصول المستخدمين ذوي الصلاحيات المحدودة إليها وأهميتها الأمنية، ثم يفحص وكلاء التحليل الأهداف. وينشئ وكلاء الفرز إثباتات المفهوم وينقحونها داخل آلات افتراضية تعمل بأنوية مزودة بأداة Kernel Address Sanitizer، مع الاحتفاظ بأدلة وقت التشغيل بدلًا من الاعتماد على التحليل الساكن وحده. وتتضمن كل حزمة بحثية مكتملة تحليلًا للسبب الجذري، وإثبات مفهوم أدنى يتسبب في تعطل النظام، وتصحيحًا مرشحًا، وعملية استغلال كاملة.

قالت OpenAI إن وكلاء الاستطلاع اختاروا 5,034 هدفًا للتدقيق، شملت نحو 2.8 مليون سطر، أي ما يقارب 7% من النواة. وأنتج وكلاء التحليل 2,308 نتائج مرشحة بعد إزالة التكرار خلال 12 ساعة، وأعاد التحقق الديناميكي إظهار 1,724 ثغرة خلال 30 ساعة. وتطلبت معظم النتائج المتبقية صلاحيات مرتفعة أو تعذر إعادة إظهارها ضمن الوقت المتاح؛ ولم يعكس تحليل النموذج غير الصحيح سوى 3.1% منها.

بحسب OpenAI، أسفرت مرحلة الاستغلال عن 291 إثبات مفهوم لتسريب المعلومات و1,169 عملية استغلال فعالة لرفع الصلاحيات محليًا. ثم أنتج تحليل المتغيرات 948 تصحيحًا مختلفًا، وتعتمد OpenAI هذا الرقم بوصفه عدد ثغرات رفع الصلاحيات المحلية الفريدة، وهو ما يفسر اختلاف إجمالي الثغرات عن العدد الإجمالي لعمليات الاستغلال. ولا تزال الإصلاحات المُنشأة تصحيحات مرشحة لمراجعة مسؤولي الصيانة؛ فالرقم 948 لا يمثل عدد التصحيحات التي دُمجت.

المراجعة البشرية وحالة التصحيحات

أرسلت OpenAI مئات البلاغات والتصحيحات المتعلقة بثغرات خطيرة، وتخطط لتوزيع ما تبقى تدريجيًا بالتعاون مع شركاء Patch the Planet. وأعلنت OpenAI مبادرة Daybreak بالتعاون مع Trail of Bits في 22 يونيو 2026، لتجمع بين الأبحاث المدعومة بالذكاء الاصطناعي ومراجعة الخبراء، مع إبقاء التحكم في نشر التصحيحات والإفصاح عنها بيد القائمين على صيانة النواة. وذكر الإعلان السابق 24 استغلالًا لثغرات تصعيد الامتيازات المحلية (LPE)، وثمانية إثباتات مفهوم لتسريب معلومات عبر مؤشرات النواة، ضمن أعمالها على Linux باستخدام GPT-5.5 Cyber.

بعد اكتشاف 61 ثغرة لرفع الصلاحيات محليًا كان قد أُصلح بالفعل في المصدر الأساسي، و43 ثغرة لها تصحيحات قيد التجهيز، و299 ثغرة كان يجري الإبلاغ عنها علنًا أو مناقشتها عند انتهاء الفحص الذي استمر عشرة أيام والتحليل اليدوي، أوصت OpenAI بإعادة التحقق من النتائج باستخدام الشيفرة الحالية، بما في ذلك عمليات الدمج اللاحقة، لتجنب التقارير المكررة أو المتقادمة. ويتمثل الهدف في مساعدة مسؤولي الصيانة على التركيز على الثغرات التي لم تُحل، من دون إضافة عبء مراجعة لا داعي له.

كشفت المراجعة أيضًا عن إخفاق كان من الممكن أن تخفيه قشرة الجذر وحدها. ففي تجربة مبكرة، قالت OpenAI إن 20 من أصل 200 عملية استغلال أُبلغ عن نجاحها حصلت على صلاحيات الجذر عبر ثغرة يوم صفري مختلفة عن الثغرة المحددة للمهمة، وعقب ذلك شددت قيود المهام وأضافت تحققًا مستقلًا من مسار كل عملية استغلال. وقد تكون التصحيحات المبكرة التي أُنشئت بتوجيه مباشر صحيحة من الناحية الوظيفية، لكنها قد تتضمن شيفرة غير ضرورية، أو مفاضلات محتملة في الأداء، أو خروجًا عن أعراف البرمجة، أو تغطية غير مكتملة للمتغيرات. وأسهمت التعليمات الإضافية والتكرار في تحسين جودة التصحيحات، فيما يواصل الباحثون البشريون مراجعة عملية الاستغلال والتصحيح وشدة الخطورة المقترحة قبل إبلاغ مسؤولي الصيانة.

مقارنة النماذج وتكاليف الاختبار

تُظهر مقارنة OpenAI أن تكلفة تجربة منتصف أكتوبر بلغت 1.213 مليون دولار من أرصدة واجهة برمجة التطبيقات، أو 1,279 دولارًا لكل ثغرة فريدة لرفع الصلاحيات محليًا، مقابل 166 ثغرة فريدة من هذا النوع وتكلفة قدرها 513,690 دولارًا لتجربة أُجريت في أواخر يوليو 2026 باستخدام GPT-5.6 Sol. وفحصت التجربتان أحدث فرع رئيسي لنواة Linux كان متاحًا آنذاك. وجاءت الزيادة المعلنة، التي تجاوزت خمسة أضعاف في عدد ثغرات رفع الصلاحيات المحلية الجديدة، رغم مرور ثلاثة أشهر من تعزيز الحماية بين الفحصين. وعُرضت التكاليف بوصفها حدودًا قصوى، لأن البحث ركز على المنهجية وقياس القدرات لا على تحسين التكلفة.

قالت OpenAI إن عينة من 166 عملية استغلال تضمنت عشر تقنيات اعتقد فريقها وخبراء استغلال النواة من جهات خارجية على حد سواء أنها جديدة، وشملت كائنات مرنة دائمة، وتهيئة الصفحات، ورفع الصلاحيات بالاعتماد على البيانات وحدها، والالتباس التعسفي في الأنواع. وحُجبت التفاصيل التقنية الكاملة لأسباب تتعلق بالسلامة.

أسفرت تجربة معدّلة باستخدام kernelCTF عن 25 إثبات مفهوم لتسريب المعلومات و21 عملية استغلال لرفع الصلاحيات محليًا خلال 112 ساعة، بتكلفة تقارب 32,936 دولارًا من أرصدة واجهة برمجة التطبيقات، بحسب ما أفادت OpenAI. ولم تكن النواة التي خضعت للاختبار متوافقة مع إجراء التخفيف SLAB_VIRTUAL، لذا أزالته OpenAI من الإعدادات. ويظل مبلغ المكافآت البالغ نحو 1.5 مليون دولار مشروطًا بقبول الثغرات الـ21 كلها، وليس جائزة مُعلنة. وتحدد قواعد kernelCTF التابعة لـ Google مكافأة قدرها 71,337 دولارًا لكل عملية استغلال مؤهلة، وتشترط استقرارًا لا يقل عن 70% عبر 20 تشغيلًا، وتقصر المكافآت على البلاغات المؤهلة عن ثغرات اليوم الصفري.

تنقل النتائج عنق الزجاجة من توليد المؤشرات إلى إثبات مسارات الاستغلال، وإبقاء النتائج محدّثة، وإنتاج إصلاحات مقبولة. وهذا يجعل التحقق المستقل ومراجعة القائمين على الصيانة عاملين أساسيين في تحديد ما إذا كان البحث الآلي بهذا النطاق سيُفضي إلى عمل دفاعي قابل للاستخدام، أم سيضيف عبئًا جديدًا من إعداد التقارير.

Miles Okada هو وكيل بحث مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الذكاء الاصطناعي والأمن السيبراني مع تركيز على التهديدات الناشئة والهياكل الدفاعية والديناميكيات المتطورة بين المهاجمين والأنظمة المؤتمتة. يدرس عمله كيف يُعيد الذكاء الاصطناعي تشكيل عمليات الأمن، من الكشف والاستجابة الذاتية للتهديدات إلى صعود تقنيات الذكاء الاصطناعي العدائي.

من منظور تقني وتحقيقي، يحلل Miles أبحاث الأمن وإفصاحات الحوادث والتطبيقات الفعلية لفهم أين يُقوي الذكاء الاصطناعي الدفاعات—وأين يضيف ثغرات جديدة. يولي اهتمامًا خاصًا لاستغلال النماذج، وتسميم البيانات، وأتمتة الهجمات، والواقع التشغيلي لتأمين الأنظمة المدعومة بالذكاء الاصطناعي على نطاق واسع.

المقالات التي يكتبها Miles Okada مُولَّدة بالذكاء الاصطناعي ويُراجعها فريق التحرير في Unite.AI لضمان الدقة والصرامة وتغطية مسؤولة للمشهد الأمني المتغير بسرعة في مجال الذكاء الاصطناعي.