OpenAI की पाइपलाइन ने Linux कर्नेल में विशेषाधिकार बढ़ाने वाली 948 खामियाँ खोजीं

OpenAI ने बताया कि 4 नवंबर, 2026 को घोषित एक आगामी साइबर मॉडल का उपयोग करने वाली प्रोटोटाइप पाइपलाइन ने अक्टूबर 2026 के मध्य में किए गए शोध के दौरान Linux में स्थानीय विशेषाधिकार बढ़ाने वाली 948 विशिष्ट कमजोरियाँ खोजीं और उनका फायदा उठाया। इसने अनुरक्षकों की समीक्षा के लिए पैच के प्रस्ताव भी तैयार किए।

इन खामियों से बिना विशेषाधिकार वाला स्थानीय उपयोगकर्ता रूट पहुँच हासिल कर सकता था। परीक्षण पृथक वर्चुअल मशीनों में किया गया, जिनमें सामान्य डेस्कटॉप ऑपरेटिंग सिस्टम चल रहा था और SMEP, SMAP, KASLR तथा HARDENED_USERCOPY सक्षम थे—यानी जानबूझकर कमजोर किए गए लक्ष्य पर नहीं। OpenAI ने Linux को इसलिए चुना क्योंकि इसके कर्नेल में 4 करोड़ से अधिक पंक्तियों का कोड है और यह Android उपकरणों, क्लाउड इन्फ्रास्ट्रक्चर तथा सुपरकंप्यूटरों का आधार है। इससे इतने बड़े और महत्वपूर्ण कोडबेस पर स्वचालित शोध की क्षमता परखने का अवसर मिला।

संभावित खामियों से लेकर कारगर शोषण तक

यह पाइपलाइन कमजोरियों की खोज, गतिशील सत्यापन, शोषण-क्षमता के आकलन, पैच तैयार करने और मानवीय समीक्षा को एक साथ जोड़ती है। Scout एजेंट ऐसे कोड का चयन करते हैं, जहाँ कम विशेषाधिकार वाले उपयोगकर्ताओं की पहुँच हो और जो सुरक्षा की दृष्टि से महत्वपूर्ण हो; इसके बाद Analyst एजेंट चुने गए लक्ष्यों को स्कैन करते हैं। Triage एजेंट Kernel Address Sanitizer वाले कर्नेल पर चल रही वर्चुअल मशीनों में अवधारणा-प्रमाण तैयार करते और उन्हें बेहतर बनाते हैं। इस तरह वे केवल स्थिर विश्लेषण पर निर्भर रहने के बजाय रनटाइम के साक्ष्य सुरक्षित रखते हैं। शोध का हर पूरा पैकेज मूल कारण का विश्लेषण, क्रैश कराने वाला न्यूनतम अवधारणा-प्रमाण, संभावित पैच और पूरा शोषण शामिल करता है।

OpenAI के अनुसार, Scout एजेंटों ने ऑडिट के लिए 5,034 लक्ष्य चुने, जिनमें लगभग 28 लाख पंक्तियों का कोड शामिल था—कर्नेल का करीब 7%। Analyst एजेंटों ने 12 घंटे के भीतर दोहराव हटाकर 2,308 संभावित खामियाँ निकालीं, और गतिशील सत्यापन से 30 घंटे के भीतर 1,724 कमजोरियों की पुष्टि हुई। बाकी में से अधिकांश के लिए अधिक विशेषाधिकारों की आवश्यकता थी या तय समय-सीमा में उन्हें दोबारा प्रदर्शित नहीं किया जा सका; केवल 3.1% मामलों में मॉडल का विश्लेषण गलत था।

OpenAI के मुताबिक, शोषण के चरण में जानकारी लीक करने वाले अवधारणा-प्रमाण के 291 नमूने और स्थानीय विशेषाधिकार बढ़ाने वाले 1,169 कारगर शोषण तैयार हुए। इसके बाद, विभिन्न रूपों के विश्लेषण से 948 अलग-अलग पैच बने। OpenAI इसी संख्या को विशिष्ट LPE की संख्या मानता है, जिससे कमजोरियों की कुल संख्या और शोषणों की मूल गिनती में अंतर स्पष्ट होता है। तैयार किए गए सुधार अभी अनुरक्षकों की समीक्षा के लिए संभावित पैच हैं; 948 की संख्या मर्ज किए गए पैचों की गिनती नहीं है।

मानवीय समीक्षा और पैच की स्थिति

OpenAI ने गंभीर कमजोरियों के बारे में सैकड़ों रिपोर्ट और पैच भेजे हैं और शेष को Patch the Planet के साझेदारों के साथ धीरे-धीरे साझा करने की योजना बनाई है। OpenAI ने 22 जून, 2026 को Trail of Bits के साथ Daybreak पहल शुरू की। इसमें AI-सहायता प्राप्त शोध को विशेषज्ञ समीक्षा के साथ जोड़ा गया है, जबकि पैच लागू करने और जानकारी सार्वजनिक करने का नियंत्रण अनुरक्षकों के पास रहता है। इससे पहले की घोषणा में GPT-5.5 Cyber के Linux पर किए गए काम से 24 LPE शोषण और कर्नेल पॉइंटर से जानकारी लीक करने वाले अवधारणा-प्रमाण के आठ नमूनों की जानकारी दी गई थी।

दस दिन के स्कैन और मैन्युअल विश्लेषण के अंत तक 61 LPE पहले ही अपस्ट्रीम में पैच हो चुके थे, 43 के लिए स्टेजिंग पैच उपलब्ध थे और 299 की सार्वजनिक रूप से रिपोर्ट की जा रही थी या उन पर चर्चा हो रही थी। इनकी पहचान के बाद OpenAI ने सिफारिश की कि मौजूदा कोड के विरुद्ध निष्कर्षों का फिर से सत्यापन किया जाए, जिसमें बाद में हुए मर्ज भी शामिल हों, ताकि दोहराई गई या अप्रचलित रिपोर्टों से बचा जा सके। उद्देश्य अनुरक्षकों का ध्यान अनसुलझी कमजोरियों पर केंद्रित करना है, बिना उन पर समीक्षा का अनावश्यक बोझ डाले।

समीक्षा के दौरान ऐसी खामी भी सामने आई, जिसे केवल रूट शेल मिलने पर पकड़ा नहीं जा सकता था। OpenAI ने बताया कि शुरुआती परीक्षण में, सफल बताए गए 200 शोषणों में से 20 ने निर्धारित कमजोरी के बजाय किसी दूसरे 0-day के जरिए रूट पहुँच हासिल की थी। इसके बाद उसने कार्य की सीमाएँ कड़ी कीं और हर शोषण के रास्ते की स्वतंत्र जाँच जोड़ी। शुरुआती दौर में सीधे तैयार किए गए पैच कार्यात्मक रूप से सही हो सकते थे, लेकिन उनमें अनावश्यक कोड, प्रदर्शन पर संभावित प्रतिकूल प्रभाव, कोडिंग परंपराओं से विचलन या विभिन्न रूपों की अधूरी जाँच शामिल हो सकती थी। अतिरिक्त निर्देशों और बार-बार सुधार से पैच की गुणवत्ता बेहतर हुई। फिर भी, अनुरक्षकों को रिपोर्ट भेजने से पहले मानव शोधकर्ता शोषण, पैच और प्रस्तावित गंभीरता की समीक्षा करते हैं।

मॉडलों की तुलना और परीक्षण की लागत

OpenAI की तुलना के अनुसार, अक्टूबर के मध्य में किए गए परीक्षण में API क्रेडिट के रूप में 12,13,000 डॉलर खर्च हुए, यानी हर विशिष्ट LPE पर 1,279 डॉलर। इसके मुकाबले, जुलाई 2026 के आखिर में GPT-5.6 Sol के परीक्षण में 166 विशिष्ट LPE मिले और 5,13,690 डॉलर खर्च हुए। दोनों परीक्षणों में उस समय उपलब्ध Linux कर्नेल की नवीनतम मास्टर शाखा स्कैन की गई। स्कैन के बीच सुरक्षा को मजबूत करने के तीन महीने बीतने के बावजूद, नई LPE की संख्या पाँच गुने से भी अधिक बताई गई। ये लागतें अधिकतम अनुमान के तौर पर दी गई हैं, क्योंकि शोध का उद्देश्य लागत घटाना नहीं, बल्कि कार्यप्रणाली और क्षमता का आकलन करना था।

OpenAI ने बताया कि 166 शोषणों के एक नमूने में ऐसी दस तकनीकें थीं, जिन्हें उसकी टीम और तीसरे पक्ष के कर्नेल-शोषण विशेषज्ञों—दोनों ने नया माना। इनमें स्थायी इलास्टिक ऑब्जेक्ट, पेज ग्रूमिंग, डेटा-आधारित विशेषाधिकार वृद्धि और मनमाना टाइप कन्फ्यूज़न शामिल थे। सुरक्षा कारणों से पूरे तकनीकी विवरण साझा नहीं किए गए।

OpenAI के अनुसार, अनुकूलित kernelCTF परीक्षण में 112 घंटों के दौरान जानकारी लीक करने वाले अवधारणा-प्रमाण के 25 नमूने और LPE के 21 शोषण तैयार हुए। इस पर API क्रेडिट के रूप में लगभग 32,936 डॉलर खर्च हुए। परीक्षण किया गया कर्नेल SLAB_VIRTUAL शमन के साथ संगत नहीं था, इसलिए OpenAI ने उसे कॉन्फ़िगरेशन से हटा दिया। लगभग 15 लाख डॉलर का बाउंटी इनाम इस शर्त पर आधारित है कि सभी 21 कमजोरियाँ स्वीकार की जाएँ; यह घोषित किया गया इनाम नहीं है। Google के kernelCTF नियम के तहत पात्र शोषण पर 71,337 डॉलर का इनाम दिया जाता है, इसके लिए 20 प्रयासों में कम-से-कम 70% स्थिरता आवश्यक है और इनाम केवल पात्र 0-day प्रस्तुतियों पर लागू होते हैं।

इन नतीजों के बाद मुख्य अड़चन संभावित सुराग जुटाने से हटकर शोषण के रास्तों को साबित करने, निष्कर्षों को अद्यतन रखने और स्वीकार्य सुधार तैयार करने पर आ गई है। इससे स्वतंत्र सत्यापन और अनुरक्षकों की समीक्षा यह तय करने में केंद्रीय भूमिका निभाते हैं कि इस पैमाने पर स्वचालित शोध उपयोगी रक्षात्मक कार्य बनता है या रिपोर्टिंग का एक अतिरिक्त बोझ।