Агенты OpenAI нашли 948 уязвимостей повышения привилегий в Linux
OpenAI сообщила об эксперименте с автономной системой поиска уязвимостей. В её основе лежит ещё не выпущенная кибермодель, вокруг которой исследователи построили многоступенчатый пайплайн для анализа исходного кода.
Система распределяет задачи между несколькими типами агентов. Одни из них выбирают наиболее перспективные участки кода, другие ищут в них потенциальные ошибки. Затем найденные проблемы проверяются в изолированной среде: агенты пытаются воспроизвести уязвимость, оценить возможность её эксплуатации и подготовить исправление.
Проверка части ядра Linux
В середине октября 2026 года OpenAI запустила этот процесс на ядре Linux. Полностью кодовую базу проекта не анализировали: для эксперимента выбрали 5034 участка, включавших около 2,8 млн строк. Это примерно 7% от общего объёма кода ядра.
На первом этапе система обнаружила 2308 потенциальных проблем. После дополнительной проверки 1724 из них удалось воспроизвести в изолированной среде, то есть подтвердить, что ошибки действительно могут проявляться на практике, а не являются результатом поверхностного анализа.
Итогом стали 948 уникальных уязвимостей повышения привилегий (LPE). Для каждой из них исследователям удалось создать рабочий эксплойт, демонстрирующий возможность использования найденной ошибки. Такие уязвимости особенно важны для безопасности Linux: при успешной эксплуатации они могут позволить получить права, превышающие исходный уровень доступа.
Что показывает эксперимент
Результаты демонстрируют, как автономные ИИ-агенты могут сочетать анализ исходного кода, проверку гипотез и практическое подтверждение уязвимостей. При этом эксперимент охватывал лишь ограниченную часть ядра, поэтому приведённые цифры нельзя напрямую трактовать как оценку безопасности всего Linux.
OpenAI не раскрыла в описании эксперимента название и технические характеристики ещё не выпущенной модели. Также из представленных данных не следует, что все найденные проблемы уже исправлены или публично раскрыты. Однако сам подход показывает возможное направление развития автоматизированного аудита сложных программных проектов.
