Pipeline OpenAI Menemukan 948 Celah Eskalasi Hak Istimewa di Kernel Linux

OpenAI melaporkan pada 4 November 2026 bahwa sebuah pipeline prototipe yang menggunakan model siber yang akan datang menemukan dan mengeksploitasi 948 kerentanan eskalasi hak akses lokal yang unik di Linux dalam riset pada pertengahan Oktober 2026, sekaligus menghasilkan kandidat tambalan untuk ditinjau oleh para pemelihara.

Kerentanan tersebut dapat memberi pengguna lokal tanpa hak istimewa akses root. Pengujian dilakukan di mesin virtual terisolasi yang menjalankan sistem operasi desktop standar dengan SMEP, SMAP, KASLR, dan HARDENED_USERCOPY aktif, bukan pada target yang sengaja dilemahkan. OpenAI memilih Linux karena kernel-nya memiliki lebih dari 40 juta baris kode dan menjadi fondasi perangkat Android, infrastruktur cloud, serta superkomputer. Dengan demikian, Linux dapat digunakan untuk menguji riset otomatis pada basis kode dengan skala dan tingkat kepentingan sebesar itu.

Dari Temuan Kandidat hingga Eksploit yang Berfungsi

Pipeline ini menghubungkan penemuan kerentanan, validasi dinamis, penilaian kemungkinan eksploitasi, pembuatan tambalan, dan tinjauan manusia. Agen Scout memilih kode berdasarkan kemudahan aksesnya bagi pengguna dengan hak istimewa rendah serta relevansi keamanannya, kemudian agen Analyst memindai target tersebut. Agen Triage membuat dan menyempurnakan bukti konsep di dalam mesin virtual yang menjalankan kernel dengan Kernel Address Sanitizer, sehingga bukti saat runtime tetap tersimpan dan proses tidak hanya mengandalkan analisis statis. Setiap paket riset yang selesai mencakup analisis akar masalah, bukti konsep minimal yang memicu kerusakan, kandidat tambalan, dan eksploit lengkap.

Menurut OpenAI, para Scout memilih 5.034 target audit yang mencakup sekitar 2,8 juta baris, atau kira-kira 7% dari kernel. Dalam 12 jam, para Analyst menghasilkan 2.308 temuan kandidat yang telah dideduplikasi, sementara validasi dinamis mereproduksi 1.724 kerentanan dalam 30 jam. Sebagian besar temuan yang tersisa memerlukan hak istimewa lebih tinggi atau tidak dapat direproduksi dalam batas waktu yang tersedia; hanya 3,1% yang disebabkan oleh analisis model yang keliru.

Menurut OpenAI, tahap eksploit menghasilkan 291 bukti konsep kebocoran informasi dan 1.169 eksploit eskalasi hak akses lokal yang berfungsi. Analisis varian kemudian menghasilkan 948 tambalan berbeda. OpenAI menggunakan angka itu sebagai jumlah LPE unik, yang menjelaskan mengapa jumlah kerentanan berbeda dari jumlah eksploit mentah. Perbaikan yang dihasilkan masih berupa kandidat untuk ditinjau para pemelihara; angka 948 bukan jumlah tambalan yang telah digabungkan.

Tinjauan Manusia dan Status Tambalan

OpenAI telah mengirimkan ratusan laporan dan tambalan untuk kerentanan kritis, serta berencana mendistribusikan sisanya secara bertahap bersama mitra Tambal Planet. Pada 22 Juni 2026, OpenAI meluncurkan inisiatif Daybreak bersama Trail of Bits, yang memadukan riset berbantuan AI dengan tinjauan pakar, sementara pemelihara tetap memegang kendali atas penerapan tambalan dan pengungkapan kerentanan. Dalam pengumuman sebelumnya, OpenAI melaporkan 24 eksploit LPE dan delapan bukti konsep kebocoran informasi penunjuk kernel dari riset Linux GPT-5.5 Cyber-nya.

Setelah menemukan 61 LPE yang sudah ditambal di hulu, 43 yang memiliki tambalan sementara, serta 299 yang telah dilaporkan atau dibahas secara terbuka pada akhir pemindaian dan analisis manual selama sepuluh hari, OpenAI menyarankan agar temuan divalidasi ulang terhadap kode terkini, termasuk perubahan yang digabungkan belakangan, untuk menghindari laporan yang berulang atau sudah usang. Tujuannya adalah membantu pemelihara berfokus pada kerentanan yang belum terselesaikan tanpa menambah beban tinjauan yang tidak perlu.

Tinjauan juga menemukan kegagalan yang tidak akan terungkap jika hanya memeriksa apakah akses shell root berhasil. OpenAI mengatakan bahwa dalam uji coba awal, 20 dari 200 eksploit yang dilaporkan berhasil memperoleh akses root melalui celah 0-day yang berbeda dari kerentanan yang ditugaskan. Setelah itu, OpenAI memperketat batasan tugas dan menambahkan pemeriksaan independen terhadap jalur setiap eksploit. Pada tahap awal, tambalan yang dihasilkan secara langsung terkadang benar secara fungsional, tetapi mengandung kode yang tidak perlu, berpotensi menimbulkan kompromi kinerja, menyimpang dari konvensi pemrograman, atau belum mencakup semua varian. Instruksi tambahan dan proses iterasi meningkatkan mutu tambalan, tetapi peneliti manusia tetap meninjau eksploit, tambalan, dan tingkat keparahan yang diusulkan sebelum melaporkannya kepada para pemelihara.

Perbandingan Model dan Biaya Pengujian

Dalam perbandingan OpenAI, uji coba pada pertengahan Oktober menelan biaya kredit API sebesar $1,213 juta, atau $1.279 per LPE unik. Sebagai pembanding, uji coba GPT-5.6 Sol pada akhir Juli 2026 menghasilkan 166 LPE unik dengan biaya $513.690. Kedua uji coba memindai cabang master kernel Linux terbaru yang tersedia saat itu. Peningkatan jumlah LPE baru yang dilaporkan, lebih dari lima kali lipat, terjadi meski ada pengerasan selama tiga bulan di antara kedua pemindaian. Biaya tersebut disajikan sebagai batas atas karena riset berfokus pada metodologi dan pengukuran kapabilitas, bukan optimalisasi biaya.

OpenAI mengatakan bahwa sampel berisi 166 eksploit mencakup sepuluh teknik yang diyakini baru oleh timnya maupun para pakar eksploitasi kernel pihak ketiga. Teknik-teknik itu mencakup objek elastis persisten, penataan halaman memori, eskalasi hak akses yang hanya memanipulasi data, dan kebingungan tipe arbitrer. Rincian teknis lengkap tidak diungkapkan demi alasan keselamatan.

Uji coba kernelCTF yang telah diadaptasi menghasilkan 25 bukti konsep kebocoran informasi dan 21 eksploit LPE selama 112 jam, dengan biaya kredit API sekitar $32.936, menurut laporan OpenAI. Kernel yang diuji tidak kompatibel dengan mitigasi SLAB_VIRTUAL, sehingga OpenAI menghapus mitigasi itu dari konfigurasi. Hadiah sekitar $1,5 juta bergantung pada diterimanya seluruh 21 kerentanan, bukan merupakan hadiah yang sudah diumumkan. Aturan kernelCTF Google mencantumkan hadiah $71.337 untuk setiap eksploit yang memenuhi syarat, mensyaratkan tingkat keberhasilan setidaknya 70% dalam 20 kali pengujian, dan membatasi hadiah untuk pengiriman celah 0-day yang memenuhi kriteria.

Hasil ini mengalihkan hambatan utama dari menghasilkan prospek ke membuktikan jalur eksploitasi, menjaga temuan tetap mutakhir, dan menghasilkan perbaikan yang dapat diterima. Karena itu, verifikasi independen dan peninjauan oleh pengelola menjadi faktor utama yang menentukan apakah riset otomatis dalam skala ini dapat menghasilkan upaya pertahanan yang bermanfaat, bukan menambah beban pelaporan.