OpenAI Hattı Linux Çekirdeğinde 948 Ayrıcalık Yükseltme Açığı Buldu

OpenAI, 4 Kasım 2026’da, yakında kullanıma sunulacak bir siber güvenlik modelini kullanan prototip bir hattın, Ekim 2026’nın ortalarında yürütülen bir araştırma sırasında Linux’ta 948 benzersiz yerel ayrıcalık yükseltme açığı bulup bunları istismar ettiğini ve bakım sorumlularının incelemesi için yama adayları oluşturduğunu bildirdi.

Bu açıklar, ayrıcalığı olmayan yerel bir kullanıcının root erişimi elde etmesine olanak tanıyabilirdi. Testler, bilerek zayıflatılmış bir hedef yerine SMEP, SMAP, KASLR ve HARDENED_USERCOPY etkin durumdaki standart bir masaüstü işletim sistemini çalıştıran yalıtılmış sanal makinelerde yapıldı. OpenAI, çekirdek 40 milyondan fazla satır kod içerdiği ve Android cihazların, bulut altyapısının ve süper bilgisayarların temelini oluşturduğu için Linux’u seçti. Böylece bu ölçekte ve önemde bir kod tabanında otomatik araştırma yürütülebilmesi sınandı.

Aday Bulgulardan Çalışan İstismarlara

Hat; güvenlik açığı keşfini, dinamik doğrulamayı, istismar edilebilirlik değerlendirmesini, yama oluşturmayı ve insan incelemesini birbirine bağlıyor. Scout ajanları, kodu düşük ayrıcalıklı kullanıcıların erişebilirliğine ve güvenlik açısından önemine göre seçiyor; ardından Analyst ajanları hedefleri tarıyor. Triage ajanları, Kernel Address Sanitizer içeren çekirdekleri çalıştıran sanal makinelerde kavram kanıtları oluşturup iyileştiriyor ve yalnızca statik analize dayanmak yerine çalışma zamanı kanıtlarını koruyor. Tamamlanan her araştırma paketi; kök neden analizini, çökmeye yol açan asgari bir kavram kanıtını, bir yama adayını ve eksiksiz bir istismarı içeriyor.

OpenAI, Scout ajanlarının çekirdeğin yaklaşık 2,8 milyon satırını, yani kabaca %7’sini kapsayan 5.034 denetim hedefi seçtiğini söyledi. Analyst ajanları 12 saat içinde yinelenenleri ayıklanmış 2.308 aday bulgu üretti; dinamik doğrulama ise 30 saat içinde 1.724 güvenlik açığını yeniden ortaya çıkardı. Geriye kalan bulguların çoğu yükseltilmiş ayrıcalık gerektiriyordu veya ayrılan süre içinde yeniden üretilemiyordu; bulguların yalnızca %3,1’i modelin hatalı analizinden kaynaklanıyordu.

OpenAI’ye göre istismar aşamasında, bilgi sızıntısını gösteren 291 kavram kanıtı ve çalışan 1.169 yerel ayrıcalık yükseltme istismarı üretildi. Ardından yapılan varyant analizi 948 ayrı yama ortaya çıkardı. OpenAI bu sayıyı benzersiz LPE’lerin sayısı olarak kullanıyor; güvenlik açığı toplamının ham istismar sayısından neden farklı olduğunu da bu açıklıyor. Üretilen düzeltmeler, bakım sorumlularının incelemesi için hâlâ aday niteliğinde; 948 sayısı birleştirilmiş yamaların sayısı değil.

İnsan İncelemesi ve Yama Durumu

OpenAI, kritik güvenlik açıklarına ilişkin yüzlerce rapor ve yamayı gönderdiğini, geri kalanları ise Patch the Planet ortaklarıyla aşamalı olarak paylaşmayı planladığını bildirdi. OpenAI, bakım sorumluları yama dağıtımı ve açıklama üzerindeki denetimi elinde tutarken yapay zekâ destekli araştırmayı uzman incelemesiyle bir araya getiren Daybreak girişimini 22 Haziran 2026’da Trail of Bits ile birlikte duyurdu. Daha önceki duyuruda, GPT-5.5 Cyber Linux çalışmasından 24 LPE istismarı ve çekirdek işaretçilerine yönelik sekiz bilgi sızıntısı kavram kanıtı bildirildi.

On günlük tarama ve elle yürütülen analiz sonunda, 61 LPE’nin üst akışta zaten yamalanmış, 43’ünün hazırlık aşamasında yamalara sahip, 299’unun ise kamuya açık biçimde bildiriliyor veya tartışılıyor olduğunu saptayan OpenAI, yinelenen ya da güncelliğini yitirmiş raporları önlemek için bulguların daha sonraki birleştirmeler de dâhil olmak üzere güncel kodla yeniden doğrulanmasını önerdi. Amaç, gereksiz bir inceleme yükü yaratmadan bakım sorumlularının çözüme kavuşmamış güvenlik açıklarına odaklanmasını sağlamak.

İnceleme, tek başına bir root kabuğunun gizleyebileceği bir hatayı da ortaya çıkardı. OpenAI, ilk çalıştırmalardan birinde başarıyla sonuçlandığı bildirilen 200 istismarın 20’sinin root erişimini atanan güvenlik açığından farklı bir 0-day üzerinden elde ettiğini söyledi. Bunun üzerine görev kısıtlamaları sıkılaştırıldı ve her istismarın izlediği yolu bağımsız biçimde denetleyen bir kontrol eklendi. İlk aşamada doğrudan oluşturulan yamalar işlevsel açıdan doğru olabiliyor, ancak gereksiz kod, olası performans ödünleri, kodlama kurallarından sapmalar veya eksik varyant kapsamı içerebiliyordu. Ek talimatlar ve yinelemeli iyileştirme yama kalitesini artırdı; buna karşın insan araştırmacılar, bakım sorumlularına bildirimde bulunmadan önce istismarı, yamayı ve önerilen önem derecesini incelemeyi sürdürüyor.

Model Karşılaştırması ve Test Maliyetleri

OpenAI’nin karşılaştırmasına göre, Ekim ortasındaki çalışmada API kredileri için 1,213 milyon dolar harcandı; benzersiz LPE başına maliyet 1.279 dolardı. Temmuz 2026’nın sonlarında gerçekleştirilen GPT-5.6 Sol çalışmasında ise 166 benzersiz LPE bulundu ve 513.690 dolar harcandı. Her iki çalışma da o sırada mevcut olan en güncel Linux çekirdeği ana dalını taradı. Yeni LPE’lerde bildirilen beş kattan fazla artışa, iki tarama arasında üç ay süren sağlamlaştırma çalışmalarına rağmen ulaşıldı. Araştırma maliyet optimizasyonundan çok yöntem ve yetenek ölçümüne odaklandığı için maliyetler üst sınır olarak sunuluyor.

OpenAI, 166 istismardan oluşan bir örneklemde hem kendi ekibinin hem de üçüncü taraf çekirdek istismarı uzmanlarının yeni olduğuna inandığı on teknik bulunduğunu söyledi. Bu teknikler; kalıcı esnek nesneleri, sayfa düzenleme yöntemlerini, yalnızca veriyi değiştirerek ayrıcalık yükseltmeyi ve keyfî tür karışıklığını kapsıyordu. Güvenlik gerekçeleriyle tüm teknik ayrıntılar paylaşılmadı.

Uyarlanmış bir kernelCTF çalışmasında 112 saat içinde bilgi sızıntısını gösteren 25 kavram kanıtı ve 21 LPE istismarı üretildi; API kredilerinin maliyeti yaklaşık 32.936 dolardı, diye bildirdi OpenAI. Test edilen çekirdek SLAB_VIRTUAL azaltımıyla uyumlu olmadığından OpenAI bu azaltımı yapılandırmadan çıkardı. Yaklaşık 1,5 milyon dolarlık ödül miktarı, duyurulmuş bir ödül değil; 21 güvenlik açığının tamamının kabul edilmesi koşuluna bağlı bir tutardı. Google’ın kernelCTF kuralları, uygun bulunan her istismar için 71.337 dolar ödül öngörüyor, 20 çalıştırmada en az %70 kararlılık şartı getiriyor ve ödülleri yalnızca koşulları karşılayan 0-day bildirimleriyle sınırlıyor.

Sonuçlar, darboğazın aday bulgular üretmekten istismar yollarını kanıtlamaya, bulguları güncel tutmaya ve kabul edilebilir düzeltmeler geliştirmeye kaydığını gösteriyor. Bu ölçekte otomatik araştırmanın ek bir raporlama yükü olmak yerine kullanılabilir savunma çalışmalarına dönüşüp dönüşmeyeceği açısından bağımsız doğrulama ve bakım sorumlularının incelemesi belirleyici hâle geliyor.