- OpenAI 自动化系统识别出 948 种 Linux 核心漏洞，并发现 10 种新型利用技术。
- 该系统分析了数千个安全问题，生成了有效利用和候选修补程序。
- 整个过程耗资 1.21 百万美元，强调模型在漏洞识别中的重要性。
- 研究显示自动化修补程序生成将随着模型能力提高而变得更重要。
OpenAI 开发了一个自动化的网络安全研究流程，成功识别出 948 种不同的 Linux 核心漏洞，这些漏洞可能允许本地用户获得根访问权限，并发现至少 10 种之前未记录的利用技术。该系统分析了数千个潜在的安全问题，在受控环境中重现漏洞，并生成可供人类审核的有效利用和候选修补程序。OpenAI 在一篇研究文章中表示，该流程识别出了 2,308 个候选发现，并动态重现了其中的 1,724 个。
随后生成了 1,169 个有效的本地权限提升（LPE）利用，通过变体分析缩小至 948 种不同的漏洞。2026 年 10 月中旬的活动使用了即将推出的网络模型，该公司尚未公开披露。整个过程耗资 1.21 百万美元的 API 代币，平均约为每个 LPE 漏洞 US$1,279 (约 HK$9,976)。这项研究突显了日益强大的模型如何帮助安全团队在攻击者利用漏洞之前识别和修复关键软件中的缺陷。
自动化流程的五个阶段
OpenAI 的系统遵循五个阶段的过程，涵盖漏洞发现、动态验证、利用性评估、修补程序生成和人类审核。首先，探勘代理识别出与安全相关的 Linux 核心部分，将审计范围缩小至 5,034 个目标，涵盖约 280 万行代码，约占代码库的 7%。我们的安全研究人员建立了一个自主的网络漏洞发现、利用和修补流程。在单次运行中，该流程验证并生成了 948 个 Linux 核心的本地权限提升漏洞的修补程序。
分析代理随后检查了这些目标，并在 12 小时内产生了 2,308 个候选发现。系统尝试在隔离的虚拟机中重现每个问题，确认了 1,724 个漏洞，并在 30 小时内完成。
利用开发代理测试这些经验证的缺陷是否能够暴露信息或实现本地权限提升。该系统生成了 291 个信息泄露概念验证和 1,169 个有效的 LPE 利用。变体分析识别出 948 种不同的漏洞。该流程还生成了候选修补程序，人类安全研究人员在将其报告给维护者之前对发现进行了审核。OpenAI 表示，已根据 Linux 核心社区的指导，向关键漏洞发送了数百份报告和修补程序。
该公司与 Patch the Planet 伙伴合作，报告和处理其他问题。
新型利用技术的发现
研究人员抽样了 166 个利用，发现代理至少使用了 10 种他们所知的之前未记录的利用技术。团队咨询的第三方核心利用专家也认为这些技术是新的。其中包括将对象放置在内核内存缓存中的方法、提高利用的可靠性以及通过仅数据攻击获得权限提升。更新的流程还显示出相比早期活动的显著增长。在 2026 年 7 月，GPT-5.6 Sol 发现并利用了 166 个独特的 LPE 漏洞，成本为 US$513,690 (约 HK$4,006,782)。
10 月的运行识别出 948 个，数量超过五倍，尽管在三个月内进行了额外的内核加固。
OpenAI 将 948 个漏洞与 Pwn2Own 和 TyphoonPWN 的历史 Linux 核心漏洞奖金支付进行比较。根据过去的奖励计算，这些漏洞的假设估价为 1,890 万至 6,630 万美元，即管道成本的 16 至 55 倍。这是一个示范性比较，而非实际的奖金收入。该公司表示，其目标是帮助防御者在攻击者可以利用之前发现并修复漏洞。它还强调，随着模型能力的提高，自动化修补程序生成和重复安全审查将变得更加重要。
这些发现是 OpenAI 作为其 Patch the Planet 计划的一部分发布的。
项目 规格 识别漏洞数量 948 候选发现数量 2,308 重现漏洞数量 1,724 有效 LPE 利用数量 1,169 总成本 1.21 百万美元 (约 HK$9,434,000)
自动化系统对网络安全的影响
OpenAI 的自动化网络安全系统展示了其在漏洞识别和修补方面的潜力。随着技术的进步，这类系统能够快速发现并修复关键漏洞，从而减少攻击者利用漏洞的风险。这不仅提高了安全团队的效率，也为整个行业提供了一种新的防御策略，尤其是在面对日益复杂的网络威胁时。自动化的修补程序生成能力将成为未来网络安全防护的重要组成部分，帮助企业在攻击者行动之前主动防范。