OpenAI 研究：扩展 Linux 内核中的自动化漏洞发现

大规模自动化漏洞研究

OpenAI 已经证明，前沿 AI 模型可以系统地识别、验证并生成针对 Linux 内核等复杂代码库中安全漏洞的补丁。通过部署自动化流水线，该团队成功识别了 2,308 个候选发现，验证了 1,724 个漏洞，并生成了 948 个独特的本地提权 (LPE) 利用程序。这项研究标志着安全工作从手动、一次性的调查转向了可扩展、流程驱动的软件加固方法。

漏洞研究流水线

该研究利用了一个由即将推出的网络能力模型驱动的五阶段流水线，以处理漏洞从发现到修复的整个生命周期：

• 漏洞发现： 侦察代理 (Scout agents) 识别了 5,034 个高价值审计目标（约占 Linux 内核的 7%），随后由分析代理 (Analyst agents) 进行处理以生成候选发现。
• 动态验证： 分类代理 (Triage agents) 自主生成概念验证 (PoC) 并在使用 Kernel Address Sanitizer (KASAN) 的隔离虚拟机中执行，以确认 1,724 个漏洞。
• 可利用性评估： 漏洞开发代理 (ExploitDev agents) 针对标准系统保护（SMEP、SMAP、KASLR）测试已验证的漏洞，以识别那些能够实现提权的漏洞。
• 补丁生成： 系统基于最佳实践生成候选补丁，这些补丁在提交给维护者之前由人类研究人员进行审查。
• 人工审查： 安全专家监督最终输出，确保根本原因分析、概念验证和建议修复方案的准确性。

主要发现与战略意义

模型能力与编排

OpenAI 观察到，随着基础模型能力的提升，对复杂、手动编排的需求正在减少。虽然早期模型需要大量的“脚手架”（例如预定义的利用技术列表），但较新的模型能够以更高的成功率自主识别并应用这些技术。该研究表明，随着模型性能的提高，安全团队应定期重新评估其自动化工具。

利用的经济分析

通过将流水线的 API 成本与历史漏洞赏金支出进行比较，研究人员得出结论：自动化漏洞研究目前已实现净盈利。发现并利用这些漏洞的总成本远低于在 Pwn2Own 或 kernelCTF 等项目中这些发现的预期市场价值。这凸显了防御者采用自动化扫描以提高恶意行为者利用成本的紧迫性。

新型利用技术

对生成的利用程序的分析表明，这些模型不仅仅是在匹配已知漏洞的模式。代理通过利用 10 种此前未记录的利用技术（包括新的对象喷射和页面整理方法）展示了创造力。出于安全考虑，这些新型技术的完整技术细节已被保留。

社区与行业观点

这项研究引发了关于软件安全未来以及 AI 在漏洞管理中作用的重大讨论。

• 系统性风险与缓解： 评论者指出，在 Linux 这样成熟的项目中发现的漏洞数量巨大，这引发了关于单体内核架构是否因过于复杂而难以保障安全的质疑。一些人建议，唯一的长期解决方案是转向形式化验证的微内核，如 seL4。
• “漏洞自动售货机”： 观察者普遍担心零日漏洞的商品化。人们担心，虽然这项研究有助于修补漏洞，但如果对这些强大模型的访问权限管理不当，同样的能力可能会被用于创建“漏洞自动售货机”。
• 补丁与维护： 该研究强调，维护者已经在迅速采取行动解决漏洞。然而，批评者指出，许多下游用户，特别是物联网 (IoT) 领域的用户，可能永远无法收到这些更新，导致尽管存在补丁，互联网的很大一部分仍然处于暴露状态。

结论

OpenAI 的工作强调，自动化漏洞研究不再是理论，而是一个可扩展、具有成本效益的现实。随着这些工具变得越来越普及，关键基础设施的安全性将越来越依赖于维护者跟上自动化发现和补丁周期的能力。该项目向软件开发人员发出了优先考虑安全加固的行动号召，因为攻击者发现和利用漏洞的成本正在持续下降。