Масштаб автоматизированного аудита
В середине октября 2026 года OpenAI провела беспрецедентный эксперимент по автоматизированному поиску уязвимостей в ядре Linux. Автономные агенты изучили 2,8 млн строк кода, что составляет около 7% от всего проекта. За 12 часов система выделила 5034 подозрительных участка, а затем за 30 часов воспроизвела 1724 проблемы (74,7% от первоначальных находок) с помощью тестовых программ в виртуальных машинах.
Результаты: эксплойты и патчи
ИИ не только обнаружил ошибки, но и создал рабочие методы их эксплуатации. Из 1724 подтвержденных проблем были сгенерированы 291 демонстрация утечки данных и 1169 эксплойтов для локального повышения привилегий. После фильтрации дубликатов осталось 948 уникальных уязвимостей. Нейросеть также предложила исправления (патчи), которые были переданы разработчикам ядра.
| Метрика | Значение |
|---|---|
| Объем изученного кода | 2,8 млн строк (~7% проекта) |
| Первоначальные находки | 2308 потенциальных проблем |
| Подтвержденные уязвимости | 1724 (74,7%) |
| Итоговые уникальные уязвимости | 948 |
| Стоимость эксперимента | $1 213 430 |
| Цена за одну уязвимость | $1279 |
Экономический аспект и сравнение
Общие затраты на запуск составили $1 213 430 в кредитах API, что дает среднюю стоимость в $1279 за каждую найденную уязвимость с эксплойтом. Для сравнения, OpenAI отметила, что на соревнованиях Pwn2Own и TyphoonPWN вознаграждения за подобные находки могли бы составить от $18,9 до $66,3 млн, однако в данном случае речь идет не о коммерческой продаже эксплойтов, а о научном исследовании.
Влияние на безопасность Linux
Результаты показали высокую эффективность ИИ в поиске логических ошибок и уязвимостей памяти. За время десятидневного исследования уже было исправлено 61 уязвимость в основном коде, подготовлены патчи для 43 проблем, а 299 обсуждаются публично. Важно отметить, что все эксплойты требовали локального доступа к системе, что исключает массовые удаленные атаки, но подчеркивает критическую важность изоляции процессов и скорости выпуска патчей.
Источник: Securitylab ↗