stamatios
← Voltar ao feed
Raízes de árvore formando labirinto com tesoura de poda cortando caminhos, metáfora de falhas de kernel Linux corrigidas por IA
Dev & Engenharia · IA & Modelos

Pipeline autônomo da OpenAI reproduz 1.724 falhas do kernel Linux

resumo de ~3 min

Tese e contexto

A OpenAI descreve um pipeline autônomo de descoberta, validação, avaliação de exploração e geração de correções para vulnerabilidades no kernel do Linux. Segundo o texto, a pesquisa de segurança, que antes exigia investigações separadas e longas para cada descoberta, pode cada vez mais ser conduzida de forma sistemática. A empresa ressalva, porém, que a priorização e a validação continuam sendo gargalos operacionais.

O protótipo foi executado em um ambiente de pesquisa controlado. Ele identificou e analisou 2.308 possíveis vulnerabilidades, reproduziu dinamicamente 1.724 e produziu 948 exploits de elevação local de privilégios (LPE). Pesquisadores humanos revisaram as saídas antes de relatar as vulnerabilidades, acompanhadas de correções. O modelo usado é de cibersegurança e ainda não foi lançado.

Metodologia

O pipeline tem cinco etapas. Agentes exploradores identificaram 5.034 alvos de auditoria, cerca de 2,8 milhões de linhas de código (aproximadamente 7% da base), com custo de US$ 3.426. Agentes analistas, em 12 horas, encontraram 2.308 possíveis vulnerabilidades após remover duplicatas, ao custo de US$ 316.549.

Na validação dinâmica, agentes de triagem geraram provas de conceito e as executaram em máquinas virtuais com KASAN, refinando-as até reproduzir o comportamento relatado ou esgotar as possibilidades. Em 30 horas, 1.724 foram reproduzidas, cerca de 74,7% do total. Segundo a empresa, 3,1% correspondiam a análises incorretas do modelo, e as demais não foram reproduzidas por condições de corrida, condições específicas de acionamento ou validação demorada. A etapa custou US$ 73.330.

Na avaliação da possibilidade de exploração, uma triagem inicial, deliberadamente permissiva, restringiu os casos a 313 de vazamento de informações e 1.238 de LPE. Agentes ExploitDev testaram-nos em máquinas com proteções ativadas, como SMEP, SMAP, KASLR e HARDENED_USERCOPY. O resultado foram 291 PoCs de vazamento de informações e 1.169 exploits funcionais de LPE. Após análise de variantes, a equipe contabilizou 948 correções distintas para as vulnerabilidades por trás desses exploits. A exploração custou US$ 775.929.

Na geração de correções, o modelo recebeu o código relevante e instruções de boas práticas, incluindo análise de variantes. A empresa afirma ter enviado centenas de relatórios e correções para vulnerabilidades críticas e trabalha com parceiros do Patch the Planet nas demais.

Resultados e custos

Na execução de meados de outubro de 2026, o custo total em créditos de API foi de US$ 1.213.430, ou US$ 1.279 por exploit de LPE. Os alvos eram máquinas com desktop Linux em configuração padrão. Aplicando as recompensas históricas de Pwn2Own (US$ 20.000) e TyphoonPWN (US$ 70.000), a empresa chega a uma avaliação hipotética de US$ 18,9 milhões a US$ 66,3 milhões, cerca de 16 a 55 vezes o custo. A própria OpenAI ressalta que se trata de uma estimativa hipotética.

No ambiente kernelCTF adaptado, o pipeline gerou 25 PoCs de vazamento de informações e 21 exploits de LPE, com custo de cerca de US$ 32.936. Até a redação, o programa havia aceitado 26 exploits confirmados de LPE de dia zero em 2026. Se os 21 fossem aceitos, a recompensa seria de cerca de US$ 1,5 milhão. Segundo a empresa, a versão do kernel era incompatível com a mitigação SLAB_VIRTUAL, por isso ela foi removida da configuração.

A empresa diz que os agentes descobriram e usaram pelo menos 10 técnicas de exploração até então desconhecidas, segundo sua avaliação e a de especialistas externos. Os detalhes completos foram omitidos por motivos de segurança.

Reflexões e contrapontos

A OpenAI afirma que, durante os 10 dias da varredura, mais de 100 vulnerabilidades de LPE já haviam sido corrigidas ou tinham correções em preparação, e cerca de 300 estavam sendo discutidas publicamente. Segundo o texto, uma execução com o modelo mais recente encontrou mais de cinco vezes o número de novas vulnerabilidades de LPE de uma execução anterior com o GPT-5.6 Sol, apesar de três meses de reforço entre as varreduras.

A empresa afirma que, no curto e médio prazo, o acesso a uma conta com poucos privilégios em um sistema sem as correções mais recentes deve ser considerado funcionalmente equivalente ao acesso root para um agente de ameaça com muitos recursos. Ela defende sandboxes e isolamento, como Firecracker e gVisor, para limitar danos.

Há também ressalvas. Os exploits de dia zero não foram todos confirmados, e o texto mostra que a validação de sucesso exige cuidado: 20 de 200 exploits aparentemente bem-sucedidos obtiveram root por outra vulnerabilidade. Além disso, a empresa afirma que as correções geradas por IA podem ser funcionalmente corretas e alinhadas ao estilo do código, mas isso depende de iterações com especialistas humanos. A OpenAI também informou que um agente encontrou falha no QEMU TCG, já corrigida no projeto original mas não na versão usada no experimento.

Conclusão

A empresa conclui que a capacidade crescente dos modelos em cibersegurança pode buscar vulnerabilidades com eficácia em software complexo. Defende ainda reforçar projetos críticos de código aberto, criar softwares com maior garantia de segurança e manter varreduras periódicas a cada nova geração de modelos. Sustenta que os custos de exploração são limites superiores, pois engenharia de harness adicional poderia reduzi-los.