OpenAI自动化挖掘Linux内核：生成948个提权漏洞与补丁

传统网络安全研究通常依赖研究员针对单个漏洞展开耗时费力的独立分析。随着大语言模型能力的跃升，这一过程正在转变为高度系统化的自动化工程。

作为 Patch the Planet 倡议的一部分，OpenAI 披露了其在受控研究环境中利用新一代安全模型审计 Linux 内核的最新成果。该自动化流水线共识别并分析了 2308 个候选漏洞，动态复现了 1724 个真实缺陷，并最终生成了 948 个可使普通用户获取 root 权限的本地提权（LPE）漏洞利用方案（Exploit）及对应候选补丁。

为什么选择 Linux 内核？

Linux 内核是全球云基础设施、超算以及数十亿安卓设备的核心基石。其代码量超过 4000 万行，系统调用、文件系统、网络栈和设备驱动构成了极其庞大的攻击面。OpenAI 选择 Linux 作为测试标靶，旨在评估前沿模型在如此超大规模且关键的代码库中发现重大安全缺陷的实际能力。

在实际运作中，漏洞挖掘的最大瓶颈从来不是“发现候选线索”，而是如何排除误报、验证可利用性并确定修复优先级。

五阶段自主安全研究流水线

该研究原型由五大连续阶段构成，核心由即将发布的专用安全模型驱动：

漏洞侦察与发现：系统首先派出侦察智能体（Scout Agents），基于低权限用户可达性筛选出 280 万行关键代码（约占内核总量的 7%），耗费 3426 美元 API 积分；随后，分析智能体（Analyst Agents）对目标进行威胁建模与静态审计，工作机制类似 Codex Security 插件，在 12 小时内筛选出 2308 个候选缺陷（成本约 31.6 万美元）。
沙箱动态复现：为了过滤静态分析常见的误报，分流智能体在开启内核内存检测（KASAN）的隔离虚拟机中自主编写概念验证代码（PoC）并迭代测试。系统在 30 小时内成功动态复现了 1724 个漏洞，复现率达 74.7%，模型分析失误导致不可触发的误报仅占 3.1%。
可利用性深度评估：通过筛选的缺陷进入利用开发阶段。在开启 SMEP、SMAP、KASLR 等标准防御机制的发行版环境下，ExploitDev 智能体成功构建了 291 个信息泄露 PoC 和 1169 个本地提权利用程序。经同源变种分析去重后，确认对应 948 个独立提权漏洞。
补丁自主生成：模型依据代码规范与周边上下文生成最小化修复补丁，并执行静态检查与变种排查，防范未修复彻底的情况。
专家复核与上报：人类安全专家对利用方案和补丁进行审查，并分批提交给 Linux 内核维护团队。

关键洞察与技术发现

模型自主展现新型利用技术
安全团队抽样分析了 166 个由 AI 编写的提权程序，发现智能体采用了 10 种从未公开的新型利用技巧（包括针对内核缓存喷射的新型弹性持久对象、两种提升稳定性的内存页整理手法，以及五种直接提权的数据导向攻击技术）。经第三方内核安全专家审查，确认这些手法具备显著的独创性，证明前沿大模型不仅是在套用已知模式，而是展现出了针对复杂逻辑的探索创造力。

更强模型需要更轻的编排框架
早期测试中，研究人员曾为 GPT-5.5 整理了 103 种 Linux 漏洞利用技巧库以辅助其推理，使成功率从 76.2% 提至 88.9%。但在引入更先进的模型后，新模型已能完全自主规划利用链。移除繁琐的编排提示后，轻量化流程反而展现出更高的执行效率。针对更强底座，过度的人工脚手架（Scaffolding）已变得多余。

防御者的经济优势
整个全自动流程消耗了约 121 万美元的 API 积分，成功利用的平均开发成本仅 359 美元。若以网络安全竞赛（如 Pwn2Own 或 TyphoonPWN）针对 Linux 提权漏洞设立的赏金标准（单个 2 万至 7 万美元）折算，这批漏洞的理论商业价值在 1890 万至 6630 万美元之间，收益达到计算成本的 16 至 55 倍。

在 Google 举办的加固内核竞赛 kernelCTF 计划环境下，该流水线仅耗费 3.3 万美元便挖出 21 个 0-day 提权漏洞，理论赏金回报达 45 倍。更出人意料的是，智能体在测试中还无意发现了底层虚拟化基础设施 QEMU TCG 的一个 0-day 提权缺陷，这也提醒研究人员必须在进攻性测试前先全面加固基础设施。

目前，OpenAI 已通过其支持开源生态的 Daybreak 计划向社区提报了多批严重漏洞和补丁，以期在攻击者利用之前构筑壁垒，使漏洞挖掘与防御在规模化协作中占据长期主动。