Un pipeline d’OpenAI découvre 948 failles d’élévation de privilèges dans le noyau Linux

OpenAI a indiqué le 4 novembre 2026 qu’un pipeline prototype utilisant un modèle de cybersécurité à venir avait découvert et exploité 948 vulnérabilités distinctes d’élévation locale de privilèges sous Linux lors d’une campagne de recherche menée à la mi-octobre 2026, tout en générant des correctifs candidats destinés à être examinés par les responsables de maintenance.

Ces failles pourraient permettre à un utilisateur local non privilégié d’obtenir un accès root. Les tests ont été effectués dans des machines virtuelles isolées exécutant un système d’exploitation de bureau standard, avec SMEP, SMAP, KASLR et HARDENED_USERCOPY activés, et non sur une cible délibérément affaiblie. OpenAI a choisi Linux parce que son noyau compte plus de 40 millions de lignes de code et sert de fondement aux appareils Android, aux infrastructures cloud et aux superordinateurs, ce qui permettait d’évaluer la recherche automatisée sur une base de code de cette ampleur et de cette importance.

Des découvertes candidates aux exploits opérationnels

Le pipeline relie la découverte des vulnérabilités, leur validation dynamique, l’évaluation de leur exploitabilité, la génération de correctifs et l’examen humain. Des agents Scout sélectionnent le code en fonction de son accessibilité aux utilisateurs disposant de faibles privilèges et de sa pertinence pour la sécurité, puis des agents Analyst analysent les cibles. Des agents Triage génèrent et affinent des preuves de concept dans des machines virtuelles exécutant des noyaux dotés de Kernel Address Sanitizer, en conservant des éléments de preuve issus de l’exécution au lieu de s’appuyer uniquement sur l’analyse statique. Chaque dossier de recherche achevé comprend une analyse de la cause racine, une preuve de concept minimale provoquant un plantage, un correctif candidat et un exploit complet.

Selon OpenAI, les agents Scout ont sélectionné 5 034 cibles à auditer, couvrant environ 2,8 millions de lignes, soit près de 7 % du noyau. En 12 heures, les agents Analyst ont produit 2 308 découvertes candidates dédupliquées, et la validation dynamique a permis de reproduire 1 724 vulnérabilités en 30 heures. La plupart des découvertes restantes nécessitaient des privilèges élevés ou n’ont pas pu être reproduites dans le temps imparti ; seules 3,1 % découlaient d’une analyse erronée du modèle.

Selon OpenAI, la phase d’exploitation a produit 291 preuves de concept de fuite d’informations et 1 169 exploits opérationnels d’élévation locale de privilèges. L’analyse des variantes a ensuite généré 948 correctifs distincts, un chiffre qu’OpenAI utilise pour désigner le nombre de LPE uniques, ce qui explique l’écart entre le total des vulnérabilités et le nombre brut d’exploits. Les correctifs générés restent des propositions soumises à l’examen des responsables de maintenance ; le chiffre de 948 ne correspond pas au nombre de correctifs intégrés.

Examen humain et état des correctifs

OpenAI a envoyé des centaines de rapports et de correctifs concernant des vulnérabilités critiques et prévoit de diffuser progressivement les autres avec les partenaires de Patch the Planet. Le 22 juin 2026, OpenAI a lancé l’initiative Daybreak avec Trail of Bits, associant recherche assistée par l’IA et examen par des experts, tandis que les responsables de maintenance conservent le contrôle du déploiement des correctifs et de la divulgation. L’annonce précédente faisait état de 24 exploits LPE et de huit preuves de concept de fuite d’informations par pointeur du noyau issus de ses travaux sur Linux avec GPT-5.5 Cyber.

Après avoir constaté que 61 LPE avaient déjà été corrigées en amont, que 43 disposaient de correctifs de préparation à l’intégration et que 299 étaient signalées ou discutées publiquement à la fin de l’analyse de dix jours et de l’examen manuel, OpenAI a recommandé de revérifier les découvertes sur le code actuel, notamment en tenant compte des intégrations ultérieures, afin d’éviter les signalements en double ou devenus obsolètes. L’objectif est de permettre aux responsables de maintenance de se concentrer sur les vulnérabilités non résolues sans leur imposer une charge d’examen inutile.

L’examen a également révélé un échec qu’un simple accès à un shell root n’aurait pas permis de détecter. Lors d’une première campagne, OpenAI a indiqué que 20 des 200 exploits signalés comme réussis avaient obtenu les privilèges root en exploitant une faille zero-day différente de la vulnérabilité assignée. L’entreprise a ensuite renforcé les contraintes des tâches et ajouté une vérification indépendante du parcours suivi par chaque exploit. Les correctifs suggérés directement au début pouvaient être fonctionnellement corrects, tout en contenant du code inutile, en présentant des compromis potentiels en matière de performances, en s’écartant des conventions de codage ou en ne couvrant pas toutes les variantes. Des consignes supplémentaires et des itérations ont amélioré la qualité des correctifs, mais des chercheurs humains continuent d’examiner l’exploit, le correctif et le niveau de gravité proposé avant tout signalement aux responsables de maintenance.

Comparaison des modèles et coûts des tests

Dans sa comparaison, OpenAI chiffre la campagne de la mi-octobre à 1,213 million de dollars en crédits API, soit 1 279 dollars par LPE unique, contre 166 LPE uniques et 513 690 dollars pour une campagne menée fin juillet 2026 avec GPT-5.6 Sol. Les deux campagnes ont analysé la branche principale la plus récente du noyau Linux disponible à l’époque. L’augmentation de plus de cinq fois du nombre de nouvelles LPE a été observée malgré trois mois de renforcement entre les analyses. Les coûts sont présentés comme des plafonds, car la recherche portait sur la méthodologie et la mesure des capacités, et non sur l’optimisation des coûts.

OpenAI a indiqué qu’un échantillon de 166 exploits comprenait dix techniques considérées comme inédites par son équipe et des spécialistes tiers de l’exploitation du noyau. Ces techniques portaient sur des objets élastiques persistants, la préparation des pages mémoire, l’élévation de privilèges par manipulation des données et la confusion de types arbitraire. Les détails techniques complets n’ont pas été communiqués pour des raisons de sécurité.

Une campagne adaptée de kernelCTF a produit 25 preuves de concept de fuite d’informations et 21 exploits LPE en 112 heures, pour environ 32 936 dollars en crédits API, a indiqué OpenAI. Le noyau testé était incompatible avec la mesure d’atténuation SLAB_VIRTUAL ; OpenAI l’a donc retirée de la configuration. La prime d’environ 1,5 million de dollars est conditionnelle à l’acceptation des 21 vulnérabilités ; il ne s’agit pas d’une récompense annoncée. Le règlement de kernelCTF de Google prévoit une récompense de 71 337 dollars par exploit admissible, exige une stabilité d’au moins 70 % sur 20 exécutions et limite les récompenses aux soumissions zero-day répondant aux critères.

Les résultats déplacent le principal goulot d’étranglement de la génération de pistes à la démonstration de voies d’exploitation, à la mise à jour des résultats et à la production de correctifs acceptables. La vérification indépendante et l’examen par les mainteneurs deviennent ainsi essentiels pour déterminer si la recherche automatisée à cette échelle débouche sur un travail de défense exploitable, plutôt que sur une charge supplémentaire de rapports.