OpenAI用AI挖掘近千个Linux提权漏洞

网络安全研究正经历从单点人工审计向端到端自动化流程的根本转变。OpenAI近期公布了一项前沿探索：利用AI驱动的自动化安全流水线，对支撑全球计算基石的Linux内核展开系统化漏洞挖掘与验证。

在受控实验环境中，该流水线识别并分析了2,308个疑似Linux内核漏洞，成功动态复现1,724个，并最终生成948个可使无特权本地用户获取root权限的本地权限提升（LPE）利用程序与对应修复补丁。该项研究是OpenAI Patch the Planet 计划的一部分，旨在为开源生态提供防御屏障。

五阶段端到端研究流水线

针对拥有超4,000万行代码且攻击面庞大的Linux内核，OpenAI构建了由最新网络安全模型驱动的五阶段流水线：

漏洞发现：侦察智能体先行筛选出约280万行与安全相关的高价值代码（占内核约7%），消耗3,426美元API额度；随后分析智能体在12小时内扫描出去重后的2,308个疑似漏洞（耗资31.6万美元）。
动态验证：分诊智能体在开启KASAN的隔离虚拟机中自主编写概念验证程序（PoC）。在30小时内，系统成功复现1,724个漏洞（复现率达74.7%），将模型分析错误率压低至3.1%。
可利用性评估：ExploitDev智能体在开启SMEP、SMAP、KASLR等标准防护的虚拟机中进行攻防测试，最终生成291个信息泄露PoC以及1,169个高危LPE利用程序，对应948个独立漏洞。成功构建单个LPE利用程序的平均API成本仅为359美元。
补丁生成：AI依据内核开发规范生成候选修复方案，并进行变体分析以确保修补彻底。
人工审核：安全研究人员核对利用程序与补丁严重程度，目前已向Linux社区提交数百份关键漏洞报告。

核心发现与攻防启示

模型自主创新攻击技术：在分析的166个利用程序样本中，AI展现出了超越已有模式匹配的创造力，自主探索出10种全新漏洞利用技术，涵盖新型持久弹性对象喷射、内存页布局操控及纯数据攻击等手法，第三方内核专家确认此前业内未见记录。

经济效益逆转：按照Pwn2Own和TyphoonPWN等赛事的历史赏金计算，这948个LPE利用程序的理论价值达1,890万至6,630万美元，相当于流水线运行总成本（约121万美元）的16至55倍。而在Google针对加固内核的kernelCTF测试中，流水线耗费3.3万美元挖掘出21个零日LPE利用程序，赏金价值达150万美元（约45倍回报）。这证明AI自动化攻防已具备极高的成本不对称性，防御者必须抢先利用AI发现并修复漏洞。

模型升级大幅弱化编排需求：对比GPT-5.5 Cyber与更新一代模型发现，早期模型依赖包含103种技巧的人工引导框架，而更强的模型凭借基础能力即可自主决策，轻量编排的效果反而超越了复杂的提示词工程体系。

安全闭环的严谨性：研究团队还发现，部分智能体在完成提权时意外触发了另一个未知的零日漏洞，这促使团队引入独立路径审计，确保利用链条的精确归因。此外，流水线在测试中还意外挖掘出一个底层QEMU TCG虚拟化组件的提权漏洞。

通过Daybreak 计划，OpenAI正协同开源维护者加固基础架构，力求用每一代模型的安全能力打造更坚固的软件，大幅推高攻击者的试错成本。