OpenAI hlásí 948 lokálních root chyb v Linuxu

Co toto video pokrývá

• Lokální eskalace oprávnění začíná tím, že již existující neprivilegovaný lokální uživatel dosáhne rootu. Zpráva neuvádí žádné verdikt o vzdáleném přístupu specifické pro stroj.
• Pipeline vyprodukovala 2 308 kandidátů po počáteční deduplikaci a reprodukovala 1 724 zranitelností. Jejích konečných 948 unikátních lokálních nálezů používá odlišný počet kandidátských záplat po variantní analýze 1 169 úspěšných hodnocení.
• Uváděných 1,2 milionu dolarů jsou API kredity za hodnocené modely, cíle a pracovní postup. Historické odhady odměn za chyby jsou hypotetické a vyžadují samostatné přijetí programu a platbu.
• Základem byl polovina října 2026. Údaje 61-upstream/43-staging popisují dokončení výzkumu po deseti dnech, takže současná distribuční doporučení zůstávají nezbytná.
• 20 z 200 úspěchů v raném běhu použilo jinou chybu, než která byla přiřazena. OpenAI hlásí přidání nezávislé kontroly přiřazené cesty; tento raný defekt neprokazuje, že konečných 948 je falešných. Verdikt byl POTŘEBA REVIZE s lidskou revizí záplat a kontrolami cesty.

Přeložený přepis

Přeloženo z původního anglického vyprávění. Dostupné audio a titulky jsou řízeny YouTube.

Co vlastně znamená počet chyb Linuxu od OpenAI?

0:00 Nalezení chyby v Linuxu zní jako její oprava. OpenAI hlásí devět set čtyřicet osm lokálních root nálezů a kandidátských záplat, za přibližně jeden celý dva miliony dolarů v API kreditech. V tomto videu, co se počítá? Co zachytila lidská kontrola? Existuje raný test, kde stroje opravdu získaly root, a výsledková tabule stále připisovala špatnou věc. Uvidíme, co zachytili lidští recenzenti.

0:20 Je čtvrtek, pátého listopadu, a toto je The Daily Diff.

Čí přístup se může stát rootem?

0:24 Linuxové jádro je jádro, které spravuje zdroje a oprávnění stroje. Lokální eskalace oprávnění znamená, že již přítomný, neprivilegovaný uživatel dosáhne rootu, nejvyššího oprávnění. OpenAI studovala tuto hranici v izolovaných výzkumných strojích. Dostání se na stroj je samostatný problém. OpenAI zveřejnila výzkum čtvrtého listopadu, popisující nadcházející kybernetický model v rámci automatizované pipeline. Užitečným výsledkem je sada nálezů s důkazy a navrženými opravami pro

0:49 lidi k revizi. Článek neoznamuje obecný přístup k tomuto nadcházejícímu modelu. To ponechává velmi lidskou práci v rámci autonomního příběhu. Výzkumníci přezkoumali výstupy a začali hlásit kritické zranitelnosti se záplatami, podle pokynů komunity jádra. Agenti mohou zaplnit schránku. Někdo se stále musí rozhodnout, co si zaslouží být v ní. Pipeline začala s bezpečnostně relevantními částmi jádra,

Jak se kandidát stane důkazem?

1:10 poté vyprodukovala asi dva tisíce tři sta kandidátských nálezů po odstranění duplikátů. Kandidát je podezření, které stojí za prošetření. V tu chvíli se přesvědčivý odstavec a skutečná reprodukovatelná chyba stále jeví otravně podobně v tabulce. Takže samostatná fáze se pokusila reprodukovat podezřelé problémy v izolovaných strojích, s uchováním důkazů o tom, co se stalo. OpenAI hlásí zhruba sedmnáct set reprodukovaných zranitelností. To stanovuje chování, které mohou výzkumníci zkoumat.

1:36 Další otázkou je, které z těchto problémů překračují vážnou hranici oprávnění. Průvodce hlášením bezpečnosti Linuxu pomáhá vysvětlit administrativu. Správci žádají o ovlivněnou verzi, důkazy a související podmínky. Varuje také, že nekvalitní zprávy AI spotřebovávají kapacitu pro revizi. To je obecné komunitní doporučení, nezávislé na článku OpenAI. Nepotvrzuje tuto dávku nálezů.

Proč je konečný počet 948?

1:58 Zde je detail počítání. OpenAI hlásí jedenáct set šedesát devět úspěšných lokálních eskalací oprávnění během hodnocení. Výzkumníci poté analyzovali související varianty a vyvinuli devět set čtyřicet osm odlišných záplat. Používají tento počet záplat k definování unikátních lokálních nálezů eskalace. Více úspěchů může patřit ke stejnému podkladovému problému. Přibližně jeden celý dva miliony dolarů pokrývá nahlášené API kredity za hodnocené modely, cíle a pracovní postup.

2:23 OpenAI říká, že měření schopností řídilo návrh a lepší inženýrství by mohlo snížit náklady. Celkové výdaje výzkumníků zde zůstávají nezměřené. OpenAI srovnává nálezy s historickými odměnami za chyby, produkující hypotetické ocenění. Přijetí a platba patří do programu odměn. Násobení odměny počtem výzkumů je skvělé, dokud se nepokusíte uložit násobení na svůj bankovní účet.

Co stále dělá navrženou záplatu neúplnou?

2:45 Navržená záplata také potřebuje vlastní revizi. Autoři říkají, že rané záplaty by mohly zastavit prokázaný problém, zatímco přidávaly zbytečný kód, snižovaly výkon nebo opomíjely související varianty. Zlepšili pokyny a iterovali. Oprava musí zapadat do širšího kódu a přežít více než jen první test, který se zazelená. OpenAI popisuje lidskou revizi závažnosti a oprav před nahlášením upstreamu. Průvodce Linuxu říká, že testovaná navržená oprava může ušetřit čas na revizi, i když správci zvolí jinou opravu.

3:12 Přijetí upstreamu zůstává samostatným inženýrským rozhodnutím.

Kdy byl měřen snímek záplat?

3:15 Základem bylo nejnovější jádro v polovině října. Po deseti dnech výzkumu a manuální analýzy, šedesát jedna lokálních problémů eskalace bylo opraveno upstream, přičemž čtyřicet tři mělo záplaty ve fázi stagingu. OpenAI připisuje správcům rychlý postup. To je snímek dokončení výzkumu, a projekt se stále hýbal. Vaše distribuce má své vlastní dodané jádro a aktualizace.

Které datum a stav záplaty jsou pro uživatele důležité?

3:34 Pro uživatele je praktickým krokem dodržování doporučení pro software, který skutečně používají. Výsledek upstream výzkumu se stále musí dostat do verze na vašem stroji prostřednictvím tohoto procesu aktualizace. Každý, kdo sledoval, jak testovací sada prošla, zatímco produkt dělal špatné věci, zná výraz obličeje, který je zde potřeba. Nyní se vraťme k té rané výsledkové tabuli. Lidští recenzenti objevili problém uvnitř signálu úspěchu. Raná pipeline připsala přiřazenou zranitelnost, jakmile agent získal

3:58 root. To kontroluje výsledek. Přiřazený nález stále musí být spojen s tímto výsledkem, protože systém může obsahovat více než jednu chybu. Pokud důkazy ukazují na jinou příčinu, původní zpráva potřebuje další

Co recenzenti zjistili v raném běhu?

4:09 pohled. Podle OpenAI raný běh nahlásil dvě stě úspěšných lokálních eskalací. Lidská kontrola zjistila, že dvacet z nich dosáhlo rootu prostřednictvím jiné chyby, než která byla přiřazena. Úspěch byl skutečný a atribuce byla špatná. To by mohlo nechat důkazy původního nálezu nevyřešené, i když výsledková tabule slavila. Test odpověděl na špatnou otázku. Autoři říkají, že zpřísnili omezení a přidali nezávislou kontrolu, že každý konečný výsledek použil svou přiřazenou zranitelnost.

4:34 To je jejich reakce na raný defekt. Raných dvacet neprokazuje, že konečných devět set čtyřicet osm nálezů je falešných. Ověřte, jak se výsledek stal, stejně pečlivě jako zda se stal. Slibná část je poskytování recenzentům důkazů, na základě kterých mohou jednat, s připojeným správným nálezem. Pokud byste si to raději přečetli, než abyste mě to slyšeli říkat, diff přistane ve vaší schránce každé ráno, zdarma na thedailydiff.dev, odkaz níže.

Co dostane verdikt o pipeline OpenAI?

4:55 Takže dnešní verdikt, POTŘEBA REVIZE. Tuto pipeline bych si ponechal v obranném pracovním postupu s lidskou revizí záplat a nezávislými kontrolami cesty. Nahlášené nálezy se stávají užitečnými, když správci obdrží důkazy, kterým mohou důvěřovat a opravy, které mohou posoudit. A to je dnešní diff. Jsem Niko z Axrisi.

5:10 Slučujte zodpovědně.

Zdroje

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