OpenAI meldet 948 lokale Root-Schwachstellen in Linux

Was dieses Video behandelt

• Lokale Privilegienerhöhung beginnt damit, dass ein bereits vorhandener, unprivilegierter lokaler Benutzer Root-Rechte erlangt. Der Bericht gibt kein maschinenspezifisches Fernzugriffs-Urteil.
• Die Pipeline produzierte 2.308 Kandidaten nach anfänglicher Deduplizierung und reproduzierte 1.724 Schwachstellen. Die endgültigen 948 einzigartigen lokalen Funde verwenden eine Zählung unterschiedlicher Kandidaten-Patches nach Variantenanalyse von 1.169 erfolgreichen Bewertungen.
• Die gemeldeten 1,2 Millionen US-Dollar sind API-Guthaben für die bewerteten Modelle, Ziele und den Workflow. Historische Bounty-Bewertungen sind hypothetisch und erfordern eine separate Programmannahme und Zahlung.
• Die Basislinie war Mitte Oktober 2026. Die Zahlen von 61 Upstream/43 Staging beschreiben den Abschluss der Forschung nach zehn Tagen, daher sind aktuelle Verteilungs-Advisories weiterhin notwendig.
• 20 von 200 Erfolgen eines frühen Laufs verwendeten eine andere Schwachstelle als die zugewiesene. OpenAI berichtet, eine unabhängige Überprüfung des zugewiesenen Pfades hinzugefügt zu haben; dieser frühe Fehler beweist nicht, dass die finalen 948 falsch sind. Das Urteil war NEEDS REVIEW mit manueller Patch-Überprüfung und Pfadprüfungen.

Übersetztes Transkript

Aus der englischen Originalerzählung übersetzt. Verfügbare Audio- und Untertitel werden von YouTube gesteuert.

Was bedeutet OpenAIs Linux-Bug-Zahl eigentlich?

0:00 Einen Linux-Fehler zu finden klingt wie ihn zu beheben. OpenAI meldet neunhundertachtundvierzig lokale Root-Funde und Kandidaten- Patches, bei etwa 1,2 Millionen US-Dollar an API-Guthaben. In diesem Video, was zählt? Was hat die menschliche Überprüfung entdeckt? Es gab einen frühen Test, bei dem die Maschinen tatsächlich Root-Rechte erlangten, und die Anzeigetafel immer noch die falsche Sache gutschrieb. Wir werden sehen, was die menschlichen Prüfer entdeckt haben.

0:20 Es ist Donnerstag, der fünfte November, und dies ist The Daily Diff.

Wessen Zugriff kann zu Root werden?

0:24 Der Linux-Kernel ist der Kern, der die Ressourcen und Berechtigungen einer Maschine verwaltet. Lokale Privilegienerhöhung bedeutet, dass ein bereits vorhandener, unprivilegierter Benutzer Root-Rechte, die höchsten Privilegien, erlangt. OpenAI untersuchte diese Grenze in isolierten Forschungsmaschinen. Auf eine Maschine zu gelangen ist ein separates Problem. OpenAI veröffentlichte die Forschung am vierten November, und beschrieb ein kommendes Cyber-Modell innerhalb einer automatisierten Pipeline. Das nützliche Ergebnis ist eine Reihe von Erkenntnissen mit Beweisen und vorgeschlagenen Korrekturen für

0:49 Leute zur Überprüfung. Das Papier kündigt keinen allgemeinen Zugang zu diesem kommenden Modell an. Das hinterlässt eine sehr menschliche Aufgabe in der autonomen Geschichte. Forscher überprüften die Ergebnisse und begannen, kritische Schwachstellen zu melden mit Patches, gemäß den Richtlinien der Kernel-Community. Die Agenten können den Posteingang füllen. Jemand muss immer noch entscheiden, was es verdient, darin zu sein. Die Pipeline begann mit sicherheitsrelevanten Teilen des Kernels,

Wie wird ein Kandidat zu einem Beweis?

1:10 dann produzierte sie etwa 2.300 Kandidaten-Funde nach dem Entfernen von Duplikaten. Ein Kandidat ist ein Verdacht, der es wert ist, untersucht zu werden. An diesem Punkt sehen ein überzeugender Absatz und ein tatsächlich reproduzierbarer Fehler immer noch ärgerlich ähnlich in einer Tabelle aus. So versuchte eine separate Stufe, die vermuteten Probleme in isolierten Maschinen zu reproduzieren und Beweise für das Geschehene zu bewahren. OpenAI meldet etwa 1.700 reproduzierte Schwachstellen. Das etabliert ein Verhalten, das die Forscher untersuchen können.

1:36 Die nächste Frage ist, welches dieser Probleme eine ernsthafte Berechtigungs- Grenze überschreitet. Linux's eigener Sicherheitsbericht-Leitfaden hilft, den Papierkram zu erklären. Betreuer fordern eine betroffene Version, Beweise und die beteiligten Bedingungen an. Es warnt auch davor, dass minderwertige KI-Berichte die Überprüfungskapazität verbrauchen. Das ist eine allgemeine Community-Richtlinie, unabhängig von OpenAIs Papier. Es zertifiziert diese Charge von Erkenntnissen nicht.

Warum wird die endgültige Zahl 948?

1:58 Hier ist das Zähldetail. OpenAI meldet elftausendneunundsechzig erfolgreiche lokale Privilegienerhöhungen während der Bewertung. Die Forscher analysierten dann verwandte Varianten und entwickelten neunhundertachtundvierzig unterschiedliche Patches. Sie verwenden diese Patch-Anzahl, um die einzigartigen lokalen Eskalationsfunde zu definieren. Mehrere Erfolge können zum selben zugrunde liegenden Problem gehören. Etwa 1,2 Millionen Dollar decken die gemeldeten API-Guthaben für die bewerteten Modelle, Ziele und den Workflow ab.

2:23 OpenAI sagt, dass die Messung der Fähigkeiten das Design vorantrieb und bessere Ingenieurleistungen die Kosten senken könnten. Die gesamten Forscherausgaben bleiben hier ungemessen. OpenAI vergleicht die Ergebnisse mit historischen Bug-Bounty-Belohnungen, wodurch eine hypothetische Bewertung entsteht. Annahme und Zahlung gehören zum Bounty-Programm. Eine Belohnung mit einer Forschungsanzahl zu multiplizieren fühlt sich großartig an, bis man versucht, die Multiplikation auf sein Bankkonto einzuzahlen.

Was macht einen vorgeschlagenen Patch noch unvollständig?

2:45 Ein vorgeschlagener Patch benötigt auch eine eigene Überprüfung. Die Autoren sagen, dass frühe Patches das demonstrierte Problem beheben könnten, während sie unnötigen Code hinzufügen, Leistung opfern oder verwandte Varianten übersehen. Sie verbesserten die Anweisungen und iterierten. Eine Fehlerbehebung muss zur breiteren Codebasis passen und mehr als den ersten Test überstehen, der grün wird. OpenAI beschreibt die menschliche Überprüfung von Schweregrad und Korrekturen vor dem Bericht an Upstream. Der Linux-Leitfaden besagt, dass eine getestete vorgeschlagene Korrektur Überprüfungszeit sparen kann, auch wenn die Betreuer eine andere Korrektur wählen.

3:12 Die Upstream-Akzeptanz bleibt eine separate technische Entscheidung.

Wann wurde der Patch-Snapshot gemessen?

3:15 Die Basislinie war der neueste Kernel Mitte Oktober. Nach zehn Tagen Forschung und manueller Analyse, wurden einundsechzig lokale Eskalationsprobleme Upstream gepatcht, wobei dreiundvierzig Staging-Patches hatten. OpenAI würdigt die schnelle Reaktion der Betreuer. Das ist ein Snapshot des Forschungsabschlusses, und das Projekt lief weiter. Ihre Distribution hat ihren eigenen ausgelieferten Kernel und Updates.

Welches Datum und welcher Patch-Status sind für Benutzer wichtig?

3:34 Für Benutzer ist der praktische Schritt, den Ratschlägen für die Software zu folgen, die sie tatsächlich ausführen. Ein Upstream-Forschungsergebnis muss immer noch die Version auf Ihrer Maschine durch diesen Update-Prozess erreichen. Jeder, der eine Testsuite bestanden hat, während das Produkt das Falsche tut, kennt den Gesichtsausdruck, der hier erforderlich ist. Kommen wir nun zu dieser frühen Anzeigetafel zurück. Menschliche Prüfer entdeckten ein Problem innerhalb eines Erfolgssignals. Die frühe Pipeline schrieb eine zugewiesene Schwachstelle gut, sobald der Agent

3:58 Root-Rechte erlangt hatte. Das prüft das Ergebnis. Der zugewiesene Befund muss immer noch mit diesem Ergebnis verbunden sein, da das System mehr als einen Fehler enthalten kann. Wenn die Beweise auf eine andere Ursache hindeuten, muss der ursprüngliche Bericht noch einmal

Was fanden die Prüfer im frühen Durchlauf?

4:09 überprüft werden. Laut OpenAI meldete ein früher Durchlauf zweihundert erfolgreiche lokale Eskalationen. Die menschliche Überprüfung ergab, dass zwanzig davon Root-Rechte durch einen anderen Fehler als den zugewiesenen erlangt hatten. Der Erfolg war real, und die Zuordnung war falsch. Das könnte die Beweise des ursprünglichen Befunds ungelöst lassen, auch während die Anzeigetafel feierte. Der Test hatte die falsche Frage beantwortet. Die Autoren sagen, sie hätten die Einschränkungen verschärft und eine unabhängige Überprüfung hinzugefügt, die sicherstellt, dass jedes Endergebnis die zugewiesene Schwachstelle verwendete.

4:34 Das ist ihre Antwort auf den frühen Defekt. Die frühen zwanzig beweisen nicht, dass die finalen neunhundertachtundvierzig Befunde falsch sind. Überprüfen Sie, wie ein Ergebnis zustande kam, so sorgfältig wie ob es zustande kam. Der vielversprechende Teil ist, den Prüfern Beweise zu geben, auf die sie reagieren können, mit dem richtigen Befund verbunden. Wenn Sie dies lieber lesen als mich es sagen zu hören, landet der Diff jeden Morgen kostenlos in Ihrem Posteingang unter the daily diff dot dev, Link unten.

Was erhält das Urteil über OpenAIs Pipeline?

4:55 Also das heutige Urteil, NEEDS REVIEW. Ich würde diese Pipeline im defensiven Workflow mit menschlicher Patch-Überprüfung und unabhängigen Pfadprüfungen beibehalten. Gemeldete Ergebnisse werden nützlich, wenn Betreuer Beweise erhalten, denen sie vertrauen können und Korrekturen, die sie bewerten können. Und das ist der Unterschied für heute. Ich bin Niko von Axrisi.

5:10 Verantwortungsvoll mergen.

Quellen

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