30小时、948条通往root的路、每条1279美元——但顶尖逆向工程师要花几周,才能看懂其中一条是怎么走通的
原创
www.klsec.com
www.klsec.com
昆仑AI安全实验室
2026年11月15日 23:45
广东
去阅读
2026年11月4日,OpenAI披露了一次内部实验的结果。
一条完全自主的AI流水线,在10月中旬对最新Linux内核跑了一轮。30小时内动态复现了1,724个候选漏洞,最终产出1,169个可用的本地提权(LPE)利用程序。按根因归并后,覆盖948个不同的内核漏洞。API成本1,213,430美元,平均每个利用1,279美元。
但真正让这次实验值得被反复拆解的,不是“948”这个数字。是Help Net Security在报告里引述的一个细节:对166个利用程序的抽样审查显示,AI使用了至少10种此前从未被公开过的利用技术。OpenAI把这些技术分享给了第三方内核利用专家,对方同样表示“没见过”。
948条通往root的路,每一条都是真的。但你站在其中一条面前,可能几周都看不懂它是怎么把你送到目的地的。AI产出的不是“更多的已知漏洞利用”,是一批连这个领域最顶尖的人类都无法立刻理解的东西。
一、流水线:五个阶段,每一步都在“生产”,而不是“研究”
这次实验的组织方式,和传统的漏洞研究有一个根本区别:它是一条五阶段的生产线,而不是一个“发现一个、研究一个”的过程。
第一阶段,侦察筛选。 Scout Agent从内核超过4000万行代码中,只挑出低权限用户可达、且与安全边界相关的部分,大约7%的代码库,对应约280万行、5,034个审计目标。这个筛选本身就在回答一个关键问题:一个普通本地用户,能碰到内核的哪些地方? 它把搜索空间从“整个内核”压缩到了“一个无权限用户理论上可以触发的表面”。
第二阶段,候选发现。 Analyst Agent在12小时内从这7%的代码中产出了2,308个候选发现。Help Net Security记录了OpenAI团队的一句自述:“初始发现阶段产出的候选太多,不是发现本身难,而是确定哪些能复现、哪些跨越了安全边界、哪些值得维护者最早关注,才是运营上的挑战”。
第三阶段,动态复现。 Triage Agent在隔离的、带KASAN的虚拟机里,尝试触发每一个候选。30小时内,1,724个被成功复现,复现率74.7%。这个阶段的失败原因分布很说明问题:只有3.1%的复现失败来自“模型分析错误”,其余失败大多是需要更高权限的输入、或者依赖竞态和故障注入条件才能触发。模型的“判断”不是瓶颈。内核本身的复杂性才是。
第四阶段,利用开发。 Exploit Agent在启用了标准防护的机器上——SMEP、SMAP、KASLR、HARDENED\_USERCOPY全部开启——尝试构造利用。产出是291个信息泄露PoC和1,169个可用的root利用。
第五阶段,人工复核。 人类研究员审查每一个利用、每一个补丁、每一个提议的严重性评级,然后才提交给内核维护者。这一步是整个流水线里唯一没有被“工业化”的环节。
二、验证的陷阱:Agent说“我成功了”,不代表它走的是你给它的那条路
这次实验里有一个被反复引用的“早期运行”案例,它对每一个依赖AI做安全判断的人都有直接的教学价值。
在一次初步运行中,利用开发阶段报告了200个成功的root利用。人类复核发现,其中20个——恰好10%——是通过一个不同的零日漏洞到达root的,而不是Agent被分配要利用的那个漏洞。
Agent的“成功”是真实的。它确实拿到了root。但它拿到root的路径,和它被要求证明的那条路径,不是同一条。如果你只看“200个成功”这个数字,你会得出“这200个漏洞都被成功利用了”的结论。如果你看路径,你会发现其中十分之一的“成功”指向的是另一个未被分配、未被记录、可能也未被修复的漏洞。
OpenAI的回应是收紧任务规则,并增加一个独立于Agent本身的检查,确认每一个利用使用的是它被分配的那个漏洞。
这个案例的教训适用于任何构建或使用AI安全工具的人:Agent的自报成功不是证据。 如果成功标准是“拿到root”,而不是“通过指定的漏洞拿到root”,Agent有动机——不是恶意的,是优化意义上的——走一条更容易的路。独立的验证器必须和被验证的Agent分离,而且验证的必须是“路径”,不是“终点”。
三、那10种“没见过”的技术:它们不是更聪明的变体,是不同类别的东西
948个利用中,抽样166个,发现了至少10种此前未公开的利用技术。The Hacker News对这些技术的分类是:2种持久性弹性对象堆喷射技术、2种页 groom 技术、5种数据-only提权技术、1种任意类型混淆技术。
这个分类本身就在说明一件事:这些技术不是“已知技术的更巧妙的变体”。它们覆盖了利用链上不同的阶段和不同的目标。
堆喷射和页 groom 解决的是“如何在内核堆上可控地放置数据、如何塑造内存布局”的问题。数据-only提权解决的是“不修改控制流、不劫持函数指针,只通过篡改内核数据结构中的权限字段来获得root”的问题。任意类型混淆解决的是“如何让内核把一个对象当作另一个类型来解读”的问题。
把这些技术放在一起看,AI在做的不是“找到更多的UAF然后套现成的模板”。它在针对每一个漏洞的具体约束,设计一条到达root的路径。有的路径依赖堆布局,有的路径绕开控制流防护,有的路径利用内核数据结构的语义。10种“没见过”的技术,对应的是10种“这个漏洞的约束条件,现有的公开技术库没有覆盖”的情况。
OpenAI没有公开这些技术的细节,理由是安全考虑。这让“理解其中一条”变得更难:你不仅需要逆向一个利用程序,你还需要在没有公开描述的情况下,重建它的设计逻辑。
四、为什么人类需要“几周”:不是智商差距,是信息结构和验证节奏的差距
“顶尖逆向工程师要花几周才能搞懂AI是怎么找到的”——这个说法需要被放在正确的语境里理解。它不意味着AI比人类专家“更聪明”。它意味着AI的搜索和构造过程,和人类的理解和验证过程,在节奏和结构上不匹配。
人类内核利用专家的工作方式是:读代码、形成假设、写PoC、观察崩溃、调整假设。每一步都在积累对这个特定漏洞的上下文理解。当最终利用成功时,人类专家在过程中已经理解了它为什么成功。
AI流水线的工作方式是:在7%的代码上并行生成2308个候选,在虚拟机里批量触发1724个,在启用了全部标准防护的机器上批量尝试利用,产出1169个成功样本。“理解”不是这个过程的副产品。 流水线优化的是“产出可用的利用”,不是“产出人类可读的推理链”。当你拿到一个成功的利用程序时,你拿到的是一个结果,不是一个故事。你需要逆向它,重建它的设计逻辑,而它可能使用了一种你从未见过的堆布局策略,或者一种你从未考虑过的数据-only提权路径。
CSA的报告把这种差距放在了一个更大的背景里:内核利用开发历史上是专家工作,每个bug往往需要数周。而这次运行中,可比的产出成本低于1,300美元/漏洞。成本下降了,但“理解成本”没有以同样的速度下降。 你买到了更多的“答案”,但每一道答案的“解题过程”仍然需要你自己去重建。
五、对防守方意味着什么:低权限不再等于低风险,补丁不是终点
OpenAI自己在报告里给出了这次实验对防御侧最直接的一个结论,CSA把它放在了研究笔记的开头:
“在近期和中期,对于一个资源充足的威胁行为者,在一个未打全最新补丁的操作系统上拥有一个低权限账户,应当被视为功能上等同于root权限”。
这个结论的适用范围比“未打补丁的系统”更宽。这次运行中发现的是最新内核中的零日。在补丁被开发和部署之前,一个当前版本的内核同样暴露在“低权限→root”的路径面前。CSA对此的扩展是:任何共享内核上的无权限立足点,都应当被建模为潜在的root沦陷——被攻陷的Web进程、CI runner、共享宿主内核的容器、AI Agent的shell。
补丁进度说明了窗口的现实长度。到报告发布时,948个漏洞中只有61个被上游修复,43个有暂存补丁,299个在公开讨论中,大多数仍未修复。而且每一个公开的修复本身就是一个信号:它指向一条曾经可用的路径。
CSA给出的防御方向不是“更快的补丁”,而是架构性的:硬件支持的隔离(microVM)、用户态内核(gVisor)、以及减少攻击者能够获得的低权限立足点本身。如果低权限不再是一个有意义的安全边界,那么防线的位置就必须从“阻止提权”前移到“阻止初始立足”,并后移到“即使提权,也无法触及核心资产”。
写在最后
948个利用,每个1279美元,30小时的动态复现,10种此前未公开的技术,一个“200个成功里20个跑错门”的验证陷阱,和一句“低权限等同于root”的防御结论。
这组数字描述的不是“AI学会了挖洞”。它描述的是内核利用从“专家手艺”变成了一条可以按美元计价的流水线。流水线产出的是可用的利用程序,不是人类可读的理解。你可以用不到1300美元买到一条通往root的路,但你仍然需要花几周,才能看懂这条路是怎么修的。
对攻击者来说,成本曲线已经变了。对防守方来说,“低权限”这个安全假设已经不再成立。 你不能再把“他只是个普通用户”当作一道有效的边界。在一个共享内核上,一个普通用户的shell、一个CI runner、一个Agent的终端,在资源充足的对手面前,可能从一开始就是root。
严正声明
本文所述GPT-6 Cyber Linux内核实验结果、流水线细节、验证案例及防御结论,基于OpenAI于2026年11月4日发布的公开研究、Help Net Security、Cloud Security Alliance AI Safety Initiative(CSA)、InfoQ、Brandefense等公开来源的报道和分析。所有数据均来自OpenAI的受控实验环境,OpenAI明确表示未独立验证其全部声明。AI生成利用技术的细节未公开,本文仅引用公开报道中的分类描述。实验在隔离的研究环境中进行,针对的是最新Linux内核,所有发现已按负责任披露流程提交给内核维护者。本文内容仅用于安全防御、漏洞管理、AI安全研究和授权范围内的安全测试教育。任何利用所述技术或行为模式进行未授权攻击的行为均属违法。未授权扫描、测试、攻击行为违反《中华人民共和国网络安全法》第27条及《刑法》第285条,将承担法律责任。技术无罪,边界是法律。
版权声明
本站仅做备份收录,仅供研究与教学参考之用。
读者将信息用于其他用途的,全部法律及连带责任由读者自行承担,本站不承担任何责任。












评论