Pipeline OpenAI odhalila 948 zranitelností linuxového jádra umožňujících eskalaci oprávnění

OpenAI uvedla 4. listopadu 2026, že prototyp pipeline využívající připravovaný kybernetický model během výzkumu v polovině října 2026 nalezl a zneužil 948 jedinečných zranitelností Linuxu umožňujících lokální eskalaci oprávnění a zároveň vytvořil návrhy oprav k posouzení správci.

Tyto zranitelnosti mohly místnímu uživateli bez zvláštních oprávnění umožnit získat přístup root. Testování probíhalo v izolovaných virtuálních počítačích s běžným desktopovým operačním systémem, v němž byly povoleny SMEP, SMAP, KASLR a HARDENED_USERCOPY, nikoli na záměrně oslabeném cílovém systému. OpenAI zvolila Linux, protože jeho jádro obsahuje více než 40 milionů řádků kódu a tvoří základ zařízení s Androidem, cloudové infrastruktury i superpočítačů. Šlo tak o test automatizovaného výzkumu na kódové základně tohoto rozsahu a významu.

Od předběžných nálezů k funkčním exploitům

Pipeline propojuje vyhledávání zranitelností, dynamické ověřování, posuzování zneužitelnosti, generování oprav a kontrolu člověkem. Průzkumní agenti vybírají kód podle toho, zda je dosažitelný uživateli s nízkými oprávněními a zda je důležitý z hlediska bezpečnosti; poté cíle prověřují analytici. Třídicí agenti vytvářejí a vylepšují proof-of-concept kódy ve virtuálních počítačích s jádry vybavenými Kernel Address Sanitizerem a uchovávají důkazy z běhu programu, místo aby se spoléhali pouze na statickou analýzu. Každý dokončený výzkumný balíček obsahuje analýzu kořenové příčiny, minimální proof of concept vyvolávající pád, návrh opravy a plnohodnotný exploit.

OpenAI uvedla, že průzkumní agenti vybrali 5 034 cílů k auditu, které pokrývaly přibližně 2,8 milionu řádků, tedy zhruba 7 % jádra. Analytici během 12 hodin vytvořili 2 308 deduplikovaných předběžných nálezů a dynamickým ověřováním se během 30 hodin podařilo potvrdit 1 724 zranitelností. Většina zbývajících nálezů vyžadovala zvýšená oprávnění nebo se je v časovém limitu nepodařilo reprodukovat; pouze 3,1 % bylo důsledkem nesprávné analýzy modelu.

Podle OpenAI vzniklo ve fázi zneužití 291 proof-of-concept kódů pro únik informací a 1 169 funkčních exploitů umožňujících lokální eskalaci oprávnění. Následná analýza variant vytvořila 948 odlišných oprav a OpenAI toto číslo používá jako počet jedinečných zranitelností typu LPE, čímž vysvětluje rozdíl mezi celkovým počtem zranitelností a hrubým počtem exploitů. Vygenerované opravy jsou nadále pouze návrhy určené k posouzení správci; číslo 948 neudává počet sloučených oprav.

Kontrola člověkem a stav oprav

OpenAI odeslala stovky hlášení a oprav kritických zranitelností a plánuje zbývající postupně distribuovat ve spolupráci s partnery Opravte planetu. Dne 22. června 2026 OpenAI společně s Trail of Bits představila iniciativu Daybreak, která propojuje výzkum s podporou AI a odbornou kontrolu, přičemž správci si ponechávají kontrolu nad nasazováním oprav i zveřejňováním informací. V dřívějším oznámení OpenAI uvedla, že její práce na Linuxu s GPT-5.5 Cyber přinesla 24 exploitů LPE a osm proof-of-concept kódů pro únik ukazatelů na jádro.

OpenAI zjistila, že 61 případů LPE již bylo opraveno v upstreamu, 43 mělo opravy ve fázi přípravy a o 299 se na konci desetidenního skenování a ruční analýzy veřejně informovalo nebo diskutovalo. Doporučila proto nálezy znovu ověřovat vůči aktuálnímu kódu, včetně pozdějších sloučených změn, aby se předešlo duplicitním nebo zastaralým hlášením. Cílem je umožnit správcům soustředit se na dosud nevyřešené zranitelnosti, aniž by se zbytečně zvyšovala jejich zátěž při kontrole.

Kontrola odhalila také problém, který by samotný shell s oprávněními root neodhalil. OpenAI uvedla, že v jednom z raných běhů získalo 20 z 200 nahlášených úspěšných exploitů přístup root prostřednictvím jiné zranitelnosti 0-day, než byla ta přiřazená. Poté zpřísnila omezení úloh a zavedla nezávislou kontrolu cesty každého exploitu. Opravy vytvořené v raných fázích na základě přímého zadání mohly být funkčně správné, ale obsahovat zbytečný kód, potenciální kompromisy ve výkonu, odchylky od konvencí kódování nebo neúplné pokrytí variant. Další pokyny a opakované úpravy kvalitu oprav zlepšily, výzkumníci však i nadále před nahlášením správcům kontrolují exploit, opravu i navrhovanou závažnost.

Srovnání modelů a náklady testování

Podle srovnání OpenAI dosáhly náklady běhu z poloviny října 1,213 milionu dolarů v kreditech API, tedy 1 279 dolarů na jednu jedinečnou zranitelnost LPE. Při pozdějším běhu s GPT-5.6 Sol na konci července 2026 bylo zaznamenáno 166 jedinečných zranitelností LPE a náklady činily 513 690 dolarů. Oba běhy prověřovaly tehdy nejnovější dostupnou hlavní větev jádra Linuxu. Uváděný více než pětinásobný nárůst nových zranitelností LPE nastal navzdory třem měsícům zabezpečování mezi skeny. Náklady jsou uváděny jako horní hranice, protože výzkum se zaměřoval na metodiku a měření schopností, nikoli na optimalizaci nákladů.

OpenAI uvedla, že vzorek 166 exploitů obsahoval deset technik, které její tým i externí odborníci na zneužívání zranitelností jádra považovali za nové. Šlo o techniky zahrnující trvalé elastické objekty, přípravu rozmístění stránek, eskalaci oprávnění pouze pomocí dat a libovolnou záměnu typů. Úplné technické podrobnosti nebyly z bezpečnostních důvodů zveřejněny.

Upravený běh kernelCTF vytvořil za 112 hodin 25 proof-of-concept kódů pro únik informací a 21 exploitů LPE, přičemž náklady činily přibližně 32 936 dolarů v kreditech API, uvedla OpenAI. Testované jádro nebylo kompatibilní s opatřením SLAB_VIRTUAL, proto je OpenAI z konfigurace odstranila. Částka přibližně 1,5 milionu dolarů za odměny platí pouze za podmínky, že bude přijato všech 21 zranitelností; nejde o oznámenou výplatu. Pravidla kernelCTF společnosti Google uvádějí odměnu 71 337 dolarů za každý způsobilý exploit, vyžadují stabilitu alespoň 70 % při 20 spuštěních a omezují odměny na kvalifikující se hlášení zranitelností 0-day.

Výsledky přesouvají úzké hrdlo od generování potenciálních zranitelností k prokazování cest vedoucích ke zneužití, průběžné aktualizaci nálezů a přípravě přijatelných oprav. Nezávislé ověřování a kontrola ze strany správců tak rozhodují o tom, zda se automatizovaný výzkum v tomto měřítku promění v prakticky využitelnou obrannou činnost, nebo jen v další administrativní zátěž spojenou s hlášením.