- OpenAI 自動化系統識別出 948 種 Linux 核心漏洞，並發現 10 種新型利用技術。
- 該系統分析了數千個安全問題，生成了有效利用和候選修補程式。
- 整個過程耗資 1.21 百萬美元，強調模型在漏洞識別中的重要性。
- 研究顯示自動化修補程式生成將隨著模型能力提高而變得更重要。
OpenAI 開發了一個自動化的網絡安全研究流程，成功識別出 948 種不同的 Linux 核心漏洞，這些漏洞可能允許本地用戶獲得根訪問權限，並發現至少 10 種之前未記錄的利用技術。該系統分析了數千個潛在的安全問題，在受控環境中重現漏洞，並生成可供人類審核的有效利用和候選修補程式。OpenAI 在一篇研究文章中表示，該流程識別出了 2,308 個候選發現，並動態重現了其中的 1,724 個。
隨後生成了 1,169 個有效的本地權限提升（LPE）利用，通過變體分析縮小至 948 種不同的漏洞。2026 年 10 月中旬的活動使用了即將推出的網絡模型，該公司尚未公開披露。整個過程耗資 1.21 百萬美元的 API 代幣，平均約為每個 LPE 漏洞 US$1,279 (約 HK$9,976)。這項研究突顯了日益強大的模型如何幫助安全團隊在攻擊者利用漏洞之前識別和修復關鍵軟件中的缺陷。
自動化流程的五個階段
OpenAI 的系統遵循五個階段的過程，涵蓋漏洞發現、動態驗證、利用性評估、修補程式生成和人類審核。首先，探勘代理識別出與安全相關的 Linux 核心部分，將審計範圍縮小至 5,034 個目標，涵蓋約 280 萬行代碼，約佔代碼庫的 7%。我們的安全研究人員建立了一個自主的網絡漏洞發現、利用和修補流程。在單次運行中，該流程驗證並生成了 948 個 Linux 核心的本地權限提升漏洞的修補程式。
分析代理隨後檢查了這些目標，並在 12 小時內產生了 2,308 個候選發現。系統嘗試在隔離的虛擬機中重現每個問題，確認了 1,724 個漏洞，並在 30 小時內完成。
利用開發代理測試這些經驗證的缺陷是否能夠暴露資訊或實現本地權限提升。該系統生成了 291 個資訊泄露概念驗證和 1,169 個有效的 LPE 利用。變體分析識別出 948 種不同的漏洞。該流程還生成了候選修補程式，人類安全研究人員在將其報告給維護者之前對發現進行了審核。OpenAI 表示，已根據 Linux 核心社區的指導，向關鍵漏洞發送了數百份報告和修補程式。
該公司與 Patch the Planet 夥伴合作，報告和處理其他問題。
新型利用技術的發現
研究人員抽樣了 166 個利用，發現代理至少使用了 10 種他們所知的之前未記錄的利用技術。團隊諮詢的第三方核心利用專家也認為這些技術是新的。其中包括將對象放置在內核內存緩存中的方法、提高利用的可靠性以及通過僅數據攻擊獲得權限提升。更新的流程還顯示出相比早期活動的顯著增長。在 2026 年 7 月，GPT-5.6 Sol 發現並利用了 166 個獨特的 LPE 漏洞，成本為 US$513,690 (約 HK$4,006,782)。
10 月的運行識別出 948 個，數量超過五倍，儘管在三個月內進行了額外的內核加固。
OpenAI 將 948 個漏洞與 Pwn2Own 和 TyphoonPWN 的歷史 Linux 核心漏洞獎金支付進行比較。根據過去的獎勵計算，這些漏洞的假設估價為 1,890 萬至 6,630 萬美元，即管道成本的 16 至 55 倍。這是一個示範性比較，而非實際的獎金收入。該公司表示，其目標是幫助防禦者在攻擊者可以利用之前發現並修復漏洞。它還強調，隨著模型能力的提高，自動化修補程式生成和重複安全審查將變得更加重要。
這些發現是 OpenAI 作為其 Patch the Planet 計劃的一部分發佈的。
項目 規格 識別漏洞數量 948 候選發現數量 2,308 重現漏洞數量 1,724 有效 LPE 利用數量 1,169 總成本 1.21 百萬美元 (約 HK$9,434,000)
自動化系統對網絡安全的影響
OpenAI 的自動化網絡安全系統展示了其在漏洞識別和修補方面的潛力。隨著技術的進步，這類系統能夠快速發現並修復關鍵漏洞，從而減少攻擊者利用漏洞的風險。這不僅提高了安全團隊的效率，也為整個行業提供了一種新的防禦策略，尤其是在面對日益複雜的網絡威脅時。自動化的修補程式生成能力將成為未來網絡安全防護的重要組成部分，幫助企業在攻擊者行動之前主動防範。