ИИ нашёл почти тысячу уязвимостей в Linux — и уже готов хвастаться
Следите за новостями по этой теме!
Подписаться на «Гик Гайд (3 апельсина) / Цифра сегодня»
OpenAI сообщила, что её экспериментальная система на основе искусственного интеллекта помогла обнаружить в ядре Linux 948 отдельных уязвимостей, позволявших повышать привилегии. Компания потратила на анализ более миллиона долларов — около 1,21 млн долларов в кредитах API. Часть найденных проблем уже исправлена, остальные переданы разработчикам ядра.
Linux — операционная система, на ядре которой работают, среди прочего, устройства Android, облачная инфраструктура и суперкомпьютеры. В ядре более 40 млн строк кода, а значит, потенциальные точки атаки скрываются в системных вызовах, сетевых компонентах, файловых системах и драйверах устройств. OpenAI выбрала этот проект, чтобы проверить, способны ли современные ИИ-модели искать уязвимости в крупной и важной программной системе и показывать, насколько они опасны.
Для этого компания создала пятиэтапный процесс: поиск возможных ошибок, динамическая проверка, оценка возможности эксплуатации, подготовка исправлений и проверка специалистами. На первом этапе ИИ-агенты определили участки кода, важные для безопасности, и просканировали их. За 12 часов система предложила более 2300 потенциальных проблем.
Затем другие агенты создали код подтверждения концепции (PoC) — небольшой пример, показывающий, что уязвимость действительно работает, — и проверили кандидатов. Весь процесс занял 30 часов. Система смогла воспроизвести 1724 находки, то есть примерно 75% первоначального списка. По оценке OpenAI, лишь около 3% оставшихся результатов были связаны с неверным анализом модели.
После этого система ранжировала проблемы по возможному ущербу. Она подготовила 1169 работающих эксплойтов для локального повышения привилегий — получения более широких прав на уже доступном компьютере — и 291 PoC для демонстрации утечки информации. Удалив дубликаты и ложные срабатывания, исследователи насчитали 948 отдельных уязвимостей повышения привилегий и подготовили исправления.
OpenAI заявила, что специалисты компании вручную проверили все созданные эксплойты и патчи, прежде чем связаться с сопровождающими ядро Linux. По рекомендациям сообщества разработчики расставили проблемы по приоритету. Некоторые уязвимости, как сообщается, уже закрыты, работа над остальными продолжается.
При подготовке исправлений модель получала соответствующий исходный код и инструкции по хорошей практике: проверять патч статическими анализаторами, следовать стилю соседних участков программы и искать похожие ошибки, чтобы убедиться, что исправление полное.
При этом не все найденные проблемы были новыми. К моменту завершения анализа сопровождающие Linux уже исправили 61 из выявленных уязвимостей повышения привилегий; ещё для 43 существовали предварительные патчи. Почти 300 проблем — около трети — уже публично обсуждались или сообщались разработчикам.
Команда также изучила 166 способов эксплуатации и обнаружила десять ранее не описанных техник. Среди них — манипуляции памятью ядра, подготовка страниц памяти для атаки и повышение привилегий посредством атак, использующих только данные. Подробности этих методов OpenAI пока не раскрывает, чтобы не помогать злоумышленникам до выхода исправлений.
Отчёт одновременно описывает техническую работу и служит витриной для ещё не представленной кибермодели OpenAI. Её название в документе не приводится: система обозначена лишь как «будущая кибермодель». Компания сравнивает результат с GPT 5.5-Cyber, которая, по её словам, разработала 24 эксплойта для локального повышения привилегий. Как бы ни оценивать рекламный оттенок публикации, цифры и переданные разработчикам исправления остаются практически значимыми.
PEREC.RU
У больших технологических компаний давно выработался удобный ритуал: сначала они выпускают инструмент, затем поручают ему совершить что-нибудь впечатляющее, а после публикуют отчёт, где инженерия аккуратно соседствует с рекламой. На этот раз сцена — ядро Linux, декорации — десятки миллионов строк кода, а главная роль отведена модели, которой даже имени не дали. Таинственность, разумеется, не мешает презентации работать.
Польза от такой проверки не исчезает только потому, что рядом стоит маркетинговый стенд. Если система действительно помогает находить ошибки, проверять их и готовить патчи, разработчики получают дополнительный инструмент, а пользователи — шанс реже сталкиваться с последствиями чужой невнимательности. Но обнаружение проблемы ещё не равно её устранению: нужны проверка людьми, согласование с сопровождающими проекта и выпуск исправлений. Уязвимость в отчёте закрытой не становится, как бы эффектно ни выглядела диаграмма.
Особенно полезно не путать число кандидатов с числом подтверждённых дефектов. Автоматизированные системы умеют быстро обшаривать огромный объём кода, но столь же быстро могут производить шум; именно поэтому здесь важны воспроизведение, фильтрация ложных срабатываний и человеческая проверка. Иначе получится знакомая корпоративная магия: на входе — неопределённость, на выходе — круглая цифра и пресс-релиз.
Есть и вопрос о том, кому достаётся выгода от демонстрации. OpenAI получает репутацию разработчика киберзащитных инструментов и повод сравнить неназванную модель с другой системой компании. Разработчики Linux получают список проблем и патчи, но также дополнительную нагрузку: каждое исправление нужно проверить, встроить и доставить пользователям. Случайно совпадает, что самая заметная часть отчёта одновременно рекламирует будущий продукт; в индустрии это называют не конфликтом интересов, а удачным таймингом.
Сдержанность в публикации деталей новых техник выглядит разумно: раскрывать рабочие способы атаки до исправления — значит помогать не только защитникам. Однако секретность не должна становиться универсальным щитом от независимой проверки. Чем серьёзнее заявленный результат, тем важнее прозрачные критерии подсчёта и ясное понимание, какие проблемы уже закрыты, а какие пока ждут своей очереди.
В итоге перед нами не доказательство того, что ИИ самостоятельно «обезопасил Linux», и не повод отмахнуться от работы как от рекламного трюка. Это более прозаичная картина: мощный автоматизированный поиск ускоряет аудит, люди отделяют полезное от шума, а поддерживающее сообщество выполняет неблагодарную часть — превращает находки в работающие исправления. Нейросеть может найти дыру; закрывать её по-прежнему приходится тем, кто отвечает за дом.
