Sinabi ng OpenAI na nakahanap ang AI pipeline nito ng 948 kahinaan sa Linux na maaaring magbigay sa mga umaatake ng root access

948 paraan mula sa ordinaryong account tungo sa ganap na kontrol

Sinabi ng OpenAI na nakahanap ang isang automated research system ng 948 magkakaibang kahinaan sa Linux kernel na maaaring magbigay-daan sa sinumang may ordinaryong user account para ganap na kontrolin ang isang computer. Umabot sa $1,213,430 ang gastos ng kampanya sa AI API credits at bumuo ito ng mga posibleng patch para suriin ng mga tao, ayon sa research disclosure ng kumpanya noong Nobyembre 4, 2026.

Ipinaliwanag sa detalyadong resulta sa ulat ng pananaliksik ng OpenAI kung paano nakuha ang pangunahing bilang: nakagawa ang mga agent ng 1,169 gumaganang exploit para sa lokal na pagtaas ng pribilehiyo, saka pinagsama-sama ang magkakaugnay na natuklasan sa pamamagitan ng pagsusuri ng mga variant at bumuo ng 948 magkakaibang patch. Ginagamit ng OpenAI ang huling bilang na ito bilang dami ng mga natatanging kahinaan.

Pinahihintulutan ng isang kahinaan sa lokal na pagtaas ng pribilehiyo ang isang tao o programang tumatakbo na sa isang makina na magkaroon ng mga kapangyarihang karaniwang para lamang sa administrator nito, na kilala bilang root. Ang Linux kernel ang pangunahing software na namamahala sa memorya, hardware at mga pahintulot sa pag-access. Kapag nalusutan ang hangganang ito, maaaring mauwi sa pagkontrol sa buong system ang limitadong access.

Sinubukan ng OpenAI ang mga exploit sa isang hindi pinangalanang Linux distribution na karaniwang ginagamit, habang naka-enable ang mga normal nitong proteksiyong pangseguridad. Inilarawan ng kumpanya ang AI na nagpapatakbo sa pipeline bilang isang paparating na cyber model, pero hindi nagbigay ng petsa ng paglabas o nagpakilala sa distribution. Sariling iniulat na resulta ng OpenAI ang kabuuang natuklasan, gastos at mga pahayag tungkol sa mga bagong teknik ng pag-atake.

Ang agarang hamon ay maihatid ang mga pag-aayos sa mga computer na aktuwal na ginagamit ng mga tao. Habang isinasagawa ang pananaliksik, inaayos o tinatalakay na ng mga kontribyutor ng Linux ang daan-daang magkakaugnay na natuklasan. Kinailangan pa rin ng mga human researcher na tiyakin kung tinatarget ng bawat exploit ang sinasabing kahinaan at kung tinutugunan ng iminungkahing patch ang sanhi nito.

Paano pinaliit ng mga agent ang milyun-milyong linya ng code

Nagsimula ang OpenAI sa pagpili ng mga bahagi ng Linux na maaabot ng mga ordinaryong user at mahalaga sa seguridad. Tinukoy ng mga scout agent ang 5,034 target para sa pagsusuri, na sumasaklaw sa humigit-kumulang 2.8 milyong linya ng code, o mga 7% ng codebase ng kernel na may mahigit 40 milyong linya.

Sinuri naman ng mga analyst agent ang mga target na ito, kung paano gumagana ang code at kung saan maaaring makalusot ang umaatake sa hangganan ng seguridad. Sa loob ng 12 oras, nakabuo sila ng 2,308 posibleng natuklasan matapos alisin ang mga duplicate. Nagkakahalaga ng $3,426 sa API credits ang pagpili ng mga target; $316,549 naman ang pagsusuri sa mga ito.

May limang yugto ang buong proseso: pagtuklas ng mga kahinaan, dynamic na pagpapatunay, pagtatasa kung magagamit sa pag-atake, pagbuo ng patch at pagsusuri ng tao. Iba't ibang tanong ang sinagot sa bawat yugto, mula sa kahina-hinalang code hanggang sa napatunayang problema sa seguridad at mungkahing pag-aayos.

Sa yugto ng pagpapatunay, sinubukan ng mga agent na ulitin ang bawat posibleng natuklasan sa isang nakahiwalay na virtual machine gamit ang Kernel Address Sanitizer, isang tool na tumutukoy sa ilang uri ng error sa memorya. Sinuri nila ang output ng mga program at system log, at inayos ang mga test program hanggang mapalitaw nila ang problema o maubos ang itinakdang bilang ng pagsubok.

Sa loob ng 30 oras, naulit ng system ang 1,724 kahinaan, o humigit-kumulang 74.7% ng mga posibleng natuklasan. Sinabi ng OpenAI na marami sa mga natitira ay nangangailangan ng mas mataas na pribilehiyo o nakasalalay sa mga kondisyong mahirap mapalitaw sa itinakdang oras. Iniugnay nito ang 3.1% ng mga posibleng natuklasan sa maling pagsusuring may kinalaman sa imposibleng kondisyon. Saklaw ng 30 oras ang yugto ng pagpapatunay na ito, samantalang umabot nang 10 araw ang pag-scan at sumunod na manu-manong pagsusuri.

Ang ipinakita ng mga gumaganang exploit

Ang sumunod na hakbang ng OpenAI ay tukuyin kung aling mga naulit na bug ang maaaring maglantad ng impormasyon o magbigay ng root access. Pinaliit ng isang screening agent ang mga natuklasan sa 313 posibleng pagtagas ng impormasyon at 1,238 posibleng pagtaas ng pribilehiyo.

Nakabuo ang mga exploit development agent ng 291 proof of concept para sa pagtagas ng impormasyon at 1,169 gumaganang exploit para sa pagtaas ng pribilehiyo. Ang proof of concept ay isang test program na nagpapakita na maaaring mapalitaw ang isang kahinaan. Mas malayo ang nagagawa ng exploit: ginagamit nito ang kahinaan upang makamit ang epekto sa seguridad, gaya ng pagkakaroon ng pribilehiyo ng administrator.

Nananatiling naka-enable sa mga test machine ang mga proteksiyon, kabilang ang address randomisation, mga paghihigpit sa pag-access ng kernel sa memorya ng user at mga pagsusuri sa pagkopya ng datos. Pinahihirap ng address randomisation para sa umaatake na mahulaan ang mga lokasyon sa memoryang mapapakinabangan. Dahil aktibo ang mga proteksiyong ito, mas kahawig ng mga pagsubok ang karaniwang pag-install ng desktop.

Sinubukan din ng OpenAI ang inangkop na bersiyon ng kernelCTF environment ng Google, na may mas maliit na attack surface at karagdagang proteksiyon. Nakabuo ang kampanyang ito ng 25 proof of concept para sa pagtagas ng impormasyon at 21 exploit para sa pagtaas ng pribilehiyo sa loob ng 112 oras, sa halagang humigit-kumulang $32,936 sa API. Hindi isinama sa inangkop na bersiyon ang SLAB_VIRTUAL mitigation dahil hindi ito tugma sa pinakabagong kernel na ginamit sa pagsubok.

Iniulat ng OpenAI na nakahanap ito ng kahinaan sa QEMU TCG, bahagi ng imprastraktura ng virtualisasyon na ginamit sa pagsubok nito sa kernelCTF. Dahil dito, isinama rin sa pagsusuri sa seguridad ang mismong kapaligiran ng pananaliksik.

Paghahambing ng kampanya noong Oktubre sa naunang gawain

Lumawak ang pananaliksik ng OpenAI sa Linux sa ilang eksperimento noong 2026. Iniugnay ng kumpanya ang gawaing ito sa Patch the Planet, pagsisikap nitong tulungan ang mga maintainer na tumuklas at mag-ayos ng mga kahinaan sa malawakang ginagamit na software.

• Hunyo 2026: Isiniwalat ng OpenAI ang 24 exploit para sa pagtaas ng pribilehiyo sa Linux na binuo gamit ang GPT-5.5 Cyber.
• Huling bahagi ng Hulyo 2026: Nakahanap at nagsamantala ang kampanyang gumamit ng GPT-5.6 Sol ng 166 natatanging kahinaan sa pagtaas ng pribilehiyo, sa halagang $513,690 sa API.
• Kalagitnaan ng Oktubre 2026: Nakabuo ang mas bagong cyber model ng mga exploit para sa 948 magkakaibang kahinaan sa pagtaas ng pribilehiyo, kasama ang mga posibleng patch, sa halagang $1,213,430.
• Nobyembre 4, 2026: Inilathala ng OpenAI ang paliwanag nito tungkol sa pipeline at mga resulta.

Humigit-kumulang 5.7 beses na mas maraming natatanging kahinaan sa pagtaas ng pribilehiyo ang natuklasan ng kampanya noong Oktubre kaysa sa kampanya noong Hulyo, habang mga 2.4 beses naman ang ginastos nito. Batay sa mga kabuuang ito, bumaba mula humigit-kumulang $3,095 tungong $1,280 ang gastos sa API para sa bawat natatanging natuklasan.

Sinuri ng dalawang kampanya ang pinakabagong master branch ng Linux kernel na available noong mga panahong iyon. Sinabi ng OpenAI na nakahanap ang modelo noong Oktubre ng mas marami pang kahinaan sa kabila ng tatlong dagdag na buwan ng mga pag-aayos at pagpapatibay sa kernel. Iginiit nitong dapat muling i-scan ang mahahalagang software habang nagiging mas mahusay ang mga modelo.

Bakit hindi sapat ang pagkakaroon ng root para mapatunayan ang isang natuklasan

Nakaharap ang OpenAI sa isang pangunahing problema sa maagang eksperimento: 20 sa 200 matagumpay na exploit ang nakakuha ng root access sa pamamagitan ng kahinaang iba sa itinalaga sa agent. Gumana ang pag-atake, pero mali ang paliwanag kung aling bug ang ginamit nito.

Mahalaga ito sa paglalapat ng patch. Kailangang maiugnay ng mga researcher ang naobserbahang resulta sa tamang sanhi para maayos ng mga maintainer ang responsableng code. Nagdagdag ang OpenAI ng mga independiyenteng pagsusuri matapos matuklasan ang mga maling pag-uugnay.

Ipinaliwanag ni Yash Kadakia, tagapagtatag at chief technology officer ng Security Brigade, kung bakit kailangan ng mga negosyo ang parehong mga resultang maaaring ulitin at tumpak na paliwanag:

"Magkaibang bagay ang makamit ang isang resulta at maipaliwanag nang tama kung paano mo ito nakamit," sabi niya.

Kasama sa mga huling research package ng OpenAI ang pagsusuri sa sanhi, isang minimal na test program na nagpapalitaw ng pag-crash, isang posibleng patch at isang buong exploit. Sinuri ng mga human security researcher ang exploit, pag-aayos at iminungkahing antas ng tindi bago iulat ang mga natuklasan sa mga maintainer.

Nangailangan din ng paulit-ulit na pagsubok ang pagbuo ng patch. Kung minsan, nagdagdag ng mga hindi kailangang pagbabago o nagpababa ng performance ang mga unang AI fix, o hindi nila naayos ang magkakaugnay na bersiyon ng isang kahinaan. Nakatulong ang pagsubok sa iba't ibang anyo ng pag-atake para masuri ng mga researcher kung saklaw ng pag-aayos ang mas malawak na problema.

Ano ang naibigay ng $1.2 milyon at paano ito pinahalagahan ng OpenAI

Iniulat ng OpenAI na umabot sa $1,213,430 ang kabuuang gastos ng kampanya, o humigit-kumulang $1,279 para sa bawat natatanging natuklasan ng pagtaas ng pribilehiyo. Tumutukoy ang mga bilang na ito sa gastos sa API para sa mga modelo at workflow, hindi sa kumpletong talaan ng oras ng mga researcher at gastusin sa pagpapatakbo.

Pinakamalaking bahagi ng gastos ang pagtatasa kung magagamit sa pag-atake. Nagkakahalaga ng $44,194 ang screening, habang $775,929 ang ginastos sa pagbuo ng mga exploit, kabilang ang $691,000 para sa mga posibleng pagtaas ng pribilehiyo at $84,929 para sa mga posibleng pagtagas ng impormasyon.

Lalong magastos ang mahihirap na pagsubok na nauwi sa pagkabigo. Iniulat ng OpenAI ang karaniwang gastos na humigit-kumulang $3,922 para sa bawat isa sa 69 bigong pagsubok sa pagtaas ng pribilehiyo, kumpara sa mga $360 para sa bawat matagumpay na exploit. May ilang mahirap lutasin na kaso na kinasasangkutan ng mga race condition, kung saan nakasalalay ang tagumpay sa mga pangyayaring maganap sa eksaktong pagkakasunod-sunod o sandali.

Inihambing ng OpenAI ang 948 natuklasan sa mga dating gantimpala sa kompetisyon: $20,000 sa Pwn2Own at $70,000 sa TyphoonPWN para sa mga exploit na nagpapataas ng pribilehiyo sa Linux kernel. Batay sa mga halagang iyon, umabot sa teoretikal na $18.9 milyon hanggang $66.3 milyon ang halaga ng mga natuklasan, o humigit-kumulang 16 hanggang 55 beses ng gastos sa API ng kampanya.

Tinataya rin ng kumpanya na maaaring kumita ng humigit-kumulang $1.5 milyon ang 21 exploit nito sa kernelCTF kung tatanggapin ang mga ito ng programa. Mga pagtatantya lamang na nakasalalay sa mga kondisyon ng gantimpala ang dalawang paghahambing na ito; nakadepende ang aktuwal na matatanggap sa mga tuntunin ng programa at pagtanggap sa mga natuklasan. Sinabi ng OpenAI na nakatuon ang gawain nito sa pagsukat ng kakayahan, hindi sa pagpapababa ng gastos, at maaaring mabawasan ang gastos sa pamamagitan ng mas mahusay na pagdidisenyo ng workflow.

Sampung sinasabing bagong teknik, ngunit hindi inilabas ang mga detalye

Sinuri ng OpenAI ang 166 exploit bilang sampol at sinabing natukoy nito ang hindi bababa sa 10 teknik ng pagsasamantala na bago sa mga researcher nito at sa mga espesyalista sa pagsasamantala sa kernel mula sa labas na kinonsulta habang ginagawa ang pananaliksik. Hindi nito inilabas ang detalyadong mga tagubilin dahil sa mga kadahilanang pangkaligtasan.

Kabilang sa mga teknik ang dalawang bagong object na ginagamit upang maglagay ng datos na kontrolado ng umaatake sa memorya ng kernel, dalawang paraan ng pagsasaayos ng memorya upang mapataas ang pagiging maaasahan, limang paraang nakakakuha ng mga pribilehiyo sa pamamagitan ng pagbabago ng datos, at isang teknik na may kinalaman sa arbitrary type confusion. Nagkakaroon ng type confusion kapag itinuring ng software ang isang object na para bang ibang uri ito, na maaaring magbigay-daan sa pag-access sa maling datos o mga operasyon.

Ipinakita ng OpenAI ang mga resultang ito bilang katibayan na nakabubuo ang mga agent ng mga paraang lampas sa pamilyar na mga pattern ng exploit. Nakabatay ang pahayag sa pagsusuri ng kumpanya sa sampol at sa konsultasyon nito sa mga espesyalista mula sa labas.

Para sa mga tagapagtanggol, ang praktikal na implikasyon ay kailangang subukan ang isang pag-aayos laban sa mga kaugnay na baryasyon ng pag-atake, hindi lang sa unang gumaganang demonstrasyon. Sinabi ng OpenAI na makatutulong ang paulit-ulit na pagsubok na ginagabayan ng eksperto para makabuo ng mga patch na gumagana nang tama, akma sa nakapaligid na code at lumalaban sa mga variant ng pag-atake.

Ang agwat sa pagitan ng upstream fix at protektadong makina

Kumikilos na ang mga maintainer ng Linux habang isinasagawa ang kampanya ng OpenAI. Pagsapit ng katapusan ng 10 araw na sumaklaw sa pag-scan at manu-manong pagsusuri, na-patch na upstream ang 61 natuklasan sa pagtaas ng pribilehiyo, may staging patch na ang 43 at 299 ang iniuulat at tinatalakay sa publiko.

Ang upstream fix ay pagbabagong tinanggap sa pangunahing proyekto. Dumaraan pa sa pagsusuri o pagsasama sa proyekto ang staging patch. Pagkatapos, kailangang ihatid ng mga distributor ng Linux ang angkop na update sa kanilang mga customer, na siya namang kailangang mag-install nito at gumamit ng naitama nang kernel.

Sinabi ng OpenAI na nagsumite ito ng daan-daang ulat at patch, simula sa mga kritikal na kahinaan alinsunod sa gabay ng komunidad ng kernel. Hindi ito nagbigay ng kumpletong talaan ng pag-aayos para sa lahat ng 948 natuklasan.

Tinukoy ni Sakshi Grover, research director sa IDC, ang panahong hindi pa nakararating sa mga ginagamit na system ang mga pag-aayos bilang pangunahing alalahanin:

"Hindi ang 948 ang pinakamalaking panganib kundi kung gaano kahaba ang panahong lumilipas mula sa pagtuklas hanggang sa makarating sa mga ginagamit na system ang mga pag-aayos," sabi niya.

Iminungkahi ni Grover na unahin ang mga host na pinagsasaluhan ng maraming customer, mga automated software build system, mga server na may pinagsasaluhang access, mga container platform at mga makina ng developer. Hinimok din niya ang mga organisasyon na humingi sa mga distributor ng Linux ng mga takdang panahon para maisama ang mga pag-aayos sa mga sinusuportahang bersiyon.

Sinabi ni Thomas Di Giacomo, chief technology and product officer ng SUSE, na gumagamit ang kumpanya ng mga kahalintulad na AI tool at nakikipagtulungan sa mga upstream community sa pagsisiwalat at paglalapat ng patch. Inilarawan niya ang paraan ng SUSE bilang pagsasama-sama ng ilang antas ng proteksiyon at pinatibay na application runtime.

Mas mabilis na pagtuklas, mas malawak pa sa mga Linux desktop

Ayon sa mga bilang ng Google Threat Intelligence Group, umabot sa 10,740 ang mga ibinunyag na kahinaan noong Agosto 2026, kumpara sa 5,045 noong Enero. Tumaas naman mula 131 tungong 350 sa kaparehong panahon ang mga kahinaang itinuring na mataas ang panganib, o humigit-kumulang 167% na pagtaas.

Tinalakay ng National Cyber Security Centre ng UK ang pagtuklas na tinutulungan ng AI sa isang pagtatayang inilathala noong Nobyembre 3. Sinabi ng ahensiya:

"Halos tiyak na nagdulot ng malaking pagtaas sa pagtuklas ng mga zero-day na kahinaan ang malawakang pagkakaroon ng mga cyber tool na pinapagana ng AI," sabi nito.

Ang zero-day na kahinaan ay kapintasang hindi pa nabibigyan ng pagkakataon ang mga tagapagtanggol na paghandaan sa pamamagitan ng pag-aayos. Sinabi ng NCSC na pinabilis ng mga AI tool para sa depensa ang paglalapat ng patch, ngunit nagbabala rin itong nananatiling lantad ang maraming system kung hindi tama ang pagkaka-configure at malawakang paggamit sa mga tool na ito. Kailangang iakma ng mga organisasyon ang mga proseso nila sa paglalapat ng patch at pagsubok sa mas mabilis na takbo.

Dahil malawak ang naaabot ng Linux, malawakan din ang hamong ito sa operasyon. Sinusuportahan ng kernel ang mga Android device, imprastraktura ng cloud at mga supercomputer. Nasa panganib din ang imprastraktura ng blockchain: humigit-kumulang dalawang-katlo ng mga Ethereum node ang gumagamit ng Linux, ayon sa mga bilang ng ethernodes.org na binanggit sa mga ulat tungkol sa mga natuklasan.

Iginiit ni Mudit Gupta, chief technology officer ng Polygon Labs, na nagbibigay ng katatagan ang desentralisadong imprastraktura:

Nagbibigay ang desentralisasyon ng pagkakaiba-iba sa imprastraktura at redundancy, kaya mas matatag ang crypto laban sa mga bug na tulad nito kaysa sa tradisyonal na software.

Iginiit din ng security researcher na si Caducus na naging mas matatag ang imprastraktura ng cryptocurrency dahil paulit-ulit itong nalantad sa mga pag-atake. Para sa mga indibidwal na operator, nananatiling kongkretong gawain ang panatilihing napapanahon ang mga patch ng mga makina at limitahan ang pinsalang maaaring idulot ng nakompromisong account.

Inirekomenda ng OpenAI ang mga patong-patong na depensa, kabilang ang mga sandbox at isolation system gaya ng Firecracker at gVisor. Direkta ang babala nito: maaaring magamit ng isang attacker na may malaking mapagkukunan at ordinaryong account sa operating system na hindi pa naglalapat ng mga available na patch ang access na iyon para makontrol ang root. Kapaki-pakinabang lamang ang mas mabilis na pagtuklas ng mga bug kung mabilis ding nakararating sa mga system na iyon ang mga resultang pag-aayos.

Mahahalagang Punto

• Nag-ulat ang OpenAI ng 948 magkakaibang kahinaan sa pagtaas ng pribilehiyo sa Linux matapos suriin ang 1,169 gumaganang exploit at gumawa ng mga posibleng patch.
• Umabot sa $1,213,430 sa API credits ang gastos ng kampanya noong Oktubre. Sa yugto ng pagpapatunay nito, naulit ang 1,724 posibleng kahinaan sa loob ng 30 oras.
• Gumamit ang mga pagsubok ng karaniwang Linux distribution na naka-enable ang mga pamantayang proteksiyon; hindi tinukoy ang modelo at distribution.
• Kinailangan pa rin ang pagsusuri ng tao para mapatunayan ang sanhi ng bawat exploit at masuri ang mga iminungkahing pag-aayos.
• Na-patch na upstream ng mga maintainer ang 61 natuklasan, may 43 staging patch na at 299 ang tinatalakay sa publiko nang matapos ang pagsusuri.
• Ang agarang prayoridad sa depensa ay maihatid at mai-install ang mga pag-aayos, lalo na sa mga pinagsasaluhang system kung saan maaaring mauwi sa kontrol ng administrator ang ordinaryong access.