OpenAI informa de 948 errors locals de root a Linux

Què cobreix aquest vídeo

• L'escalada de privilegis locals comença amb un usuari local no privilegiat que ja hi és i que arriba a root. L'informe no proporciona un veredicte d'accés remot específic de la màquina.
• La canonada va produir 2.308 candidats després de la deduplicació inicial i va reproduir 1.724 vulnerabilitats. Els seus 948 resultats locals únics finals utilitzen un recompte de pegats candidats diferents després de l'anàlisi de variants de 1.169 avaluacions reeixides.
• Els 1,2 milions de dòlars reportats són crèdits d'API per als models, objectius i flux de treball avaluats. Les valoracions històriques de recompenses per errors són hipotètiques i requereixen una acceptació i pagament de programes independents.
• La línia base era a mitjans d'octubre de 2026. Les xifres de 61 upstream/43 staging descriuen la finalització de la recerca després de deu dies, per la qual cosa els avisos actuals de distribució continuen sent necessaris.
• Un èxit de 20 de 200 en una primera execució va utilitzar un error diferent de l'assignat. OpenAI informa que ha afegit una comprovació independent de la ruta assignada; aquest defecte inicial no estableix que els 948 finals siguin falsos. El veredicte va ser NEEDS REVIEW amb revisió humana del pegat i comprovacions de ruta.

Transcripció traduïda

Traduït de la narració original en anglès. L'àudio i els subtítols disponibles estan controlats per YouTube.

Què significa realment el recompte d'errors de Linux d'OpenAI?

0:00 Trobar un error de Linux sembla corregir-lo. OpenAI informa de nou-cents quaranta-vuit troballes locals de root i candidats a pegats, amb un cost aproximat d'un milió dos-cents mil dòlars en crèdits d'API. En aquest vídeo, què compta? Què va detectar la revisió humana? Hi ha una prova inicial on les màquines realment van obtenir root, i el marcador encara atribuïa l'error a la cosa equivocada. Veurem què van detectar els revisors humans.

0:20 És dijous, cinc de novembre, i això és The Daily Diff.

Quin accés pot arribar a ser root?

0:24 El kernel de Linux és el nucli que gestiona els recursos i els permisos d'una màquina. L'escalada de privilegis locals significa que un usuari ja present, sense privilegis, arriba a root, el privilegi més alt. OpenAI va estudiar aquest límit en màquines de recerca aïllades. Accedir a una màquina és un problema separat. OpenAI va publicar la recerca el quatre de novembre, descrivint un model cibernètic proper dins d'una canonada automatitzada. El resultat útil és un conjunt de troballes amb proves i solucions proposades per a

0:49 la revisió de les persones. L'article no anuncia l'accés general a aquest model futur. Això deixa una feina molt humana dins de la història autònoma. Els investigadors van revisar els resultats i van començar a informar de vulnerabilitats crítiques amb pegats, seguint les directrius de la comunitat del kernel. Els agents poden omplir la bústia d'entrada. Algú encara ha de decidir què mereix estar-hi. La canonada va començar amb parts del kernel rellevants per a la seguretat,

Com es converteix un candidat en evidència?

1:10 després va produir uns vint-i-tres-cents resultats candidats després d'eliminar duplicats. Un candidat és una sospita que val la pena investigar. En aquest punt, un paràgraf convincent i un defecte real reproducible encara semblen molestament similars en un full de càlcul. Així, una etapa separada va intentar reproduir els problemes sospitosos dins de màquines aïllades, preservant proves del que va passar. OpenAI informa d'aproximadament mil set-centes vulnerabilitats reproduïdes. Això estableix el comportament que els investigadors poden inspeccionar.

1:36 La següent pregunta és quins d'aquests problemes travessen un límit de permís greu. La pròpia guia d'informació de seguretat de Linux ajuda a explicar la documentació. Els mantenidors demanen una versió afectada, proves i les condicions implicades. També adverteix que els informes d'IA de mala qualitat consumeixen capacitat de revisió. Aquesta és una guia general de la comunitat, independent de l'article d'OpenAI. No certifica aquest lot de troballes.

Per què el recompte final arriba a 948?

1:58 Aquí hi ha el detall del recompte. OpenAI informa d'onze-centes seixanta-nou escalades de privilegis locals reeixides durant l'avaluació. Després, els investigadors van analitzar variants relacionades i van desenvolupar nou-cents quaranta-vuit pegats diferents. Utilitzen aquest recompte de pegats per definir les troballes úniques d'escalada local. Múltiples èxits poden pertànyer al mateix problema subjacent. Un milió dos-cents mil dòlars cobreixen els crèdits d'API reportats per als models, objectius i flux de treball avaluats.

2:23 OpenAI diu que la mesura de la capacitat va impulsar el disseny i que una millor enginyeria podria reduir els costos. Les despeses totals dels investigadors no es mesuren aquí. OpenAI compara les troballes amb les recompenses històriques per errors, produint una valoració hipotètica. L'acceptació i el pagament pertanyen al programa de recompenses. Multiplicar una recompensa per un recompte de recerca se sent molt bé fins que intentes dipositar la multiplicació al teu compte bancari.

Què fa que un pegat proposat sigui incomplet?

2:45 Un pegat proposat també necessita la seva pròpia revisió. Els autors diuen que els pegats inicials podrien aturar el problema demostrat afegint codi innecessari, reduint el rendiment o passant per alt variants relacionades. Van millorar les instruccions i van iterar. Una correcció ha d'encaixar amb la base de codi més àmplia i sobreviure a més de la primera prova que es posa verda. OpenAI descriu la revisió humana de la gravetat i les correccions abans d'informar a l'upstream. La guia de Linux diu que una solució proposada provada pot estalviar temps de revisió fins i tot si els mantenidors trien una solució diferent.

3:12 L'acceptació upstream continua sent una decisió d'enginyeria separada.

Quan es va mesurar la instantània del pegat?

3:15 La línia base era l'últim kernel a mitjans d'octubre. Després de deu dies d'investigació i anàlisi manual, seixanta-una qüestions d'escalada local es van parchejar a l'upstream, amb quaranta-tres amb pegats en fase de prova. OpenAI agraeix als mantenidors la seva rapidesa. Aquesta és una instantània de la finalització de la investigació, i el projecte va continuar avançant. La vostra distribució té el seu propi kernel i actualitzacions enviats.

Quina data i estat del pegat són importants per als usuaris?

3:34 Per als usuaris, el pas pràctic és seguir els avisos del programari que realment executen. Un resultat de recerca upstream encara ha d'arribar a la versió del vostra màquina a través d'aquest procés d'actualització. Qualsevol que hagi vist passar una suite de proves mentre el producte fa el que no toca coneix l'expressió facial requerida aquí. Ara tornem a aquell marcador inicial. Els revisors humans van descobrir un problema dins d'un senyal d'èxit. La primera canonada va atribuir una vulnerabilitat assignada una vegada que l'agent va obtenir

3:58 root. Això comprova el resultat. La troballa assignada encara ha d'estar connectada a aquest resultat, perquè el sistema pot contenir més d'un error. Si l'evidència apunta a una causa diferent, l'informe original necessita una altra

Què van trobar els revisors en la primera execució?

4:09 revisió. Segons OpenAI, una primera execució va informar de dos-centes escalades locals exitoses. La revisió humana va trobar que vint havien arribat a root a través d'un error diferent de l'assignat. L'èxit era real, i l'atribució era incorrecta. Això podria deixar les proves de la troballa original sense resoldre fins i tot mentre el marcador celebrava. La prova havia respost a la pregunta equivocada. Els autors diuen que van estrènyer les restriccions i van afegir una comprovació independent que cada resultat final utilitzava la seva vulnerabilitat assignada.

4:34 Aquesta és la seva resposta al defecte inicial. Els vint primers no estableixen que les nou-centes quaranta-vuit troballes finals siguin falses. Verifiqueu com va passar un resultat tan acuradament com si va passar. La part prometedora és donar als revisors proves sobre les quals poden actuar, amb la troballa correcta adjunta. Si preferiu llegir això que escoltar-me dir-ho, el diff arriba a la vostra bústia d'entrada cada matí, gratuïtament a thedailydiff dot dev, enllaç a continuació.

Quin és el veredicte sobre la canonada d'OpenAI?

4:55 Així que el veredicte d'avui, NEEDS REVIEW. Jo mantindria aquesta canonada en el flux de treball defensiu amb revisió humana de pegats i comprovacions de ruta independents. Les troballes reportades esdevenen útils quan els mantenidors reben proves en les quals poden confiar i correccions que poden avaluar. I aquest és el diff d'avui. Sóc en Niko d'Axrisi.

5:10 Fusiona amb responsabilitat.

Fonts

1. A thousand fewer paths to root — reported Linux pipeline method and countsOpenAI
2. Unique findings defined by distinct candidate patches after variant analysisOpenAI
3. Early wrong-assigned-flaw result and added independent path checkOpenAI
4. Research-completion patch snapshot and mid-October baselineOpenAI
5. Security bugs — general reporting and AI report-quality guidanceThe Linux Kernel
6. Discussion of OpenAI's Linux research, interest context onlyHacker News
7. Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identification, no endorsement or current reactionTechCrunch via Wikimedia Commons
8. Portrait licence: Creative Commons Attribution 2.0Creative Commons
9. Drake Hotline Bling template — brief transformed process commentary, no actual news reaction or blanket reuse licenceImgflip
10. Nathan Fillion in Firefly, HULU disbelief GIF — brief transformed process commentary, no actual news reaction or blanket reuse licence; public hosting does not certify legal clearanceHULU on GIPHY
11. Original Sam Altman portrait — TechCrunch; Steve Jennings/Getty Images for TechCrunch; CC BY 2.0; cropped, background removed and resized; vendor identity only, no endorsement or personal study authorshipTechCrunch on Flickr