AI 在 Linux 内核里挖出 948 个提权漏洞，补丁也一并写好了

安全研究这件事，正在被拆成流水线。OpenAI 公布了一项内部研究：他们用一套自主流水线，在 Linux 内核里找出并验证了大量内存破坏漏洞，最终产出 948 个本地提权（LPE）利用——也就是让普通本地用户拿到 root 权限的那类漏洞。

核心看点

• 扫出 2,308 个候选问题，动态复现 1,724 个，复现率约 74.7%
• 其中 948 个可构成本地提权利用，并生成了候选补丁
• 先用 Scout 智能体圈定 5,034 个审计目标，约 280 万行代码，只占内核约 7%
• 发现阶段 API 成本 3,426 美元，分析阶段 316,549 美元
• 全流程 30 小时内复现近四分之三候选，最终由人类研究员复核后上报维护者

五步流水线：从”找”到”能证明”

这套原型分成五步，核心是一个尚未正式发布的网络安全模型：

• 漏洞发现：Scout 智能体先按”低权限用户能否触达””是否安全相关”筛出值得审计的目录和文件，再交给 Analyst 智能体逐目标扫描
• 动态验证：为每个候选生成 PoC，丢进装着 KASAN 的隔离虚拟机里跑，同时观察程序输出和系统控制台，反复迭代直到复现或试尽路径
• 可利用性评估：判断这个漏洞能不能造成信息泄露或本地提权
• 补丁生成：为每个确认的漏洞写候选补丁
• 人工复核：安全研究员看过利用代码、补丁和严重性判断，再上报

流水线末端交付的是一整套材料：根因分析、最小崩溃 PoC、候选补丁、完整利用代码。对维护者来说，这不是一句”这儿可能有洞”，而是一份可以直接开工的报告。

为什么盯上 Linux 内核

理由很实在：安卓设备、云基础设施、超级计算机都跑在它上面，影响面以十亿计；同时内核超过 4000 万行代码，系统调用、网络、文件系统、设备驱动层层展开，攻击面极大。选它当试验田，既能检验前沿模型在真实规模代码库里的能力，也能顺带把成果交回社区。

研究团队自己也承认，瓶颈已经不在”发现”：候选多到人类根本看不过来，真正难的是判断哪些能复现、越过了哪条安全边界、哪些该最先被修。

钱花在哪：发现的成本远低于验证

官方把每个阶段的 API 花费都列了出来，这在安全研究里挺少见：

• Scout 圈定 5,034 个审计目标（约 280 万行代码）——3,426 美元
• Analyst 在 12 小时内产出 2,308 个去重后的候选——316,549 美元

差了将近两个数量级。团队也提醒，这次重点在方法论和模型能力测量，成本只是个上限参考，工程优化还有很大压缩空间。但这组数字已经足够说明问题：规模化漏洞挖掘的账单，主要花在”读代码并理解威胁模型”这一步。

和 Patch the Planet 的关系

今年 6 月，OpenAI 在以 Patch the Planet 名义公布过早期结果：GPT-5.5 Cyber 在内核里找到了漏洞，并写出 24 个本地提权利用用于验证和上报。这次是把那套做法扩成了流水线，覆盖发现、动态验证、可利用性评估、补丁生成全流程。

按内核社区的建议，他们从最严重的问题开始报，并与 Patch the Planet 的合作方一起推进后续报告和补丁。

这件事的分量

过去一个漏洞往往意味着一轮独立、持续的安全研究；现在它可以被当成一个可重复的流程跑。对防守方，这是把”找洞”的成本压低、把”修洞”的速度提上去；对攻击方，同样是门槛下降。

值得注意的是，这篇研究公布的是原型和方法论，成果全部经过人工复核才对外——这点很重要。自动化能做的，是把人类的注意力从”翻代码”挪到”判断哪个洞最危险”上。真正的胜负手，仍然是判断力。