OpenAI 948 مورد نقص روت محلی در لینوکس را گزارش می‌کند

این ویدیو چه مواردی را پوشش می‌دهد

• افزایش دسترسی محلی با رسیدن یک کاربر محلی بدون امتیاز که از قبل وجود دارد، به روت آغاز می‌شود. گزارش هیچ رای دسترسی از راه دور خاص ماشینی را ارائه نمی‌دهد.
• خط لوله پس از حذف اولیه تکرارها، ۲,۳۰۸ کاندیدا تولید کرد و ۱,۷۲۴ آسیب‌پذیری را بازتولید کرد. ۹۴۸ یافته محلی منحصر به فرد نهایی آن، از تعداد وصله‌های کاندیدای متمایز پس از تحلیل واریانت ۱,۱۶۹ ارزیابی موفق استفاده می‌کند.
• ۱.۲ میلیون دلار گزارش شده، اعتبار API برای مدل‌ها، اهداف و گردش کار ارزیابی شده است. ارزش‌گذاری‌های تاریخی پاداش باگ فرضی هستند و نیاز به پذیرش و پرداخت برنامه جداگانه دارند.
• خط مبنا اواسط اکتبر ۲۰۲۶ بود. ارقام ۶۱ بالادست/۴۳ در حال استیجینگ، تکمیل تحقیقات پس از ده روز را توصیف می‌کنند، بنابراین توصیه‌های توزیع فعلی همچنان ضروری هستند.
• ۲۰ مورد از ۲۰۰ موفقیت یک اجرای اولیه، از نقصی متفاوت از نقص تخصیص یافته استفاده کردند. OpenAI گزارش می‌دهد که یک بررسی مسیر تخصیص یافته مستقل را اضافه کرده است؛ این نقص اولیه ثابت نمی‌کند که ۹۴۸ مورد نهایی نادرست هستند. رای NEEDS REVIEW با بررسی دستی وصله و بررسی مسیرها بود.

رونوشت ترجمه شده

ترجمه شده از روایت اصلی انگلیسی. صوت و زیرنویس‌های موجود توسط YouTube کنترل می‌شوند.

تعداد باگ‌های لینوکس گزارش شده توسط OpenAI واقعاً چه معنایی دارد؟

0:00 پیدا کردن نقص در لینوکس مانند رفع آن به نظر می‌رسد. OpenAI نهصد و چهل و هشت مورد یافته روت محلی و کاندیدا وصله را با اعتباری حدود یک میلیون و دویست هزار دلار API گزارش می‌دهد. در این ویدئو، چه چیزی مهم است؟ بررسی انسانی چه چیزی را پیدا کرد؟ یک آزمایش اولیه وجود دارد که در آن ماشین‌ها واقعاً روت گرفتند، و تابلوی امتیازات همچنان چیز اشتباهی را نشان می‌داد. خواهیم دید که بازبینان انسانی چه چیزی را کشف کردند.

0:20 پنجشنبه، پنجم نوامبر است و این The Daily Diff است.

دسترسی چه کسی می‌تواند روت شود؟

0:24 کرنل لینوکس هسته اصلی است که منابع و مجوزهای یک ماشین را مدیریت می‌کند. افزایش دسترسی محلی به این معنی است که یک کاربر از قبل موجود، بدون امتیاز به روت، بالاترین امتیاز، دست می‌یابد. OpenAI این مرز را در ماشین‌های تحقیقاتی جدا شده مورد مطالعه قرار داد. ورود به یک ماشین یک مشکل جداگانه است. OpenAI این تحقیق را در چهارم نوامبر منتشر کرد، و یک مدل سایبری آینده را در یک خط لوله خودکار توصیف می‌کند. نتیجه مفید مجموعه‌ای از یافته‌ها با شواهد و راه‌حل‌های پیشنهادی برای

0:49 بررسی توسط افراد است. مقاله دسترسی عمومی به آن مدل آینده را اعلام نمی‌کند. این امر یک کار بسیار انسانی را در داستان خودمختار باقی می‌گذارد. محققان خروجی‌ها را بررسی کرده و شروع به گزارش آسیب‌پذیری‌های حیاتی با وصله‌ها، طبق راهنمایی جامعه کرنل، کردند. نمایندگان می‌توانند صندوق ورودی را پر کنند. کسی هنوز باید تصمیم بگیرد که چه چیزی شایسته قرار گرفتن در آن است. خط لوله با بخش‌های مرتبط با امنیت کرنل آغاز شد،

چگونه یک کاندیدا به مدرک تبدیل می‌شود؟

1:10 سپس پس از حذف تکرارها، حدود دو هزار و سیصد یافته کاندیدا تولید کرد. یک کاندیدا یک شک است که ارزش بررسی دارد. در آن مرحله، یک پاراگراف قانع‌کننده و یک نقص قابل بازتولید واقعی هنوز به طرز آزاردهنده‌ای در یک صفحه گسترده مشابه به نظر می‌رسند. بنابراین یک مرحله جداگانه تلاش کرد تا مشکلات مشکوک را در داخل ماشین‌های جدا شده بازتولید کند، و شواهد آنچه را که اتفاق افتاده بود، حفظ کرد. OpenAI تقریباً هفده صد آسیب‌پذیری بازتولید شده را گزارش می‌دهد. این رفتارها را محققان می‌توانند بررسی کنند.

1:36 سوال بعدی این است که کدام یک از این مشکلات از یک مرز دسترسی جدی عبور می‌کند. راهنمای گزارش امنیتی لینوکس به توضیح مدارک کمک می‌کند. نگهدارندگان نسخه متاثر، شواهد و شرایط مربوطه را درخواست می‌کنند. همچنین هشدار می‌دهد که گزارش‌های هوش مصنوعی با کیفیت پایین ظرفیت بررسی را مصرف می‌کنند. این راهنمایی عمومی جامعه است، مستقل از مقاله OpenAI. این دسته از یافته‌ها را تأیید نمی‌کند.

چرا تعداد نهایی ۹۴۸ می‌شود؟

1:58 این هم جزئیات شمارش. OpenAI هزار و صد و شصت و نه مورد افزایش دسترسی محلی موفق را در طول ارزیابی گزارش می‌دهد. سپس محققان واریانت‌های مرتبط را تحلیل کرده و نهصد و چهل و هشت وصله متمایز را توسعه دادند. آنها از این تعداد وصله برای تعریف یافته‌های افزایش دسترسی محلی منحصر به فرد استفاده می‌کنند. موفقیت‌های متعدد می‌توانند به یک مشکل اساسی تعلق داشته باشند. حدود یک میلیون و دویست هزار دلار، اعتبارات API گزارش شده را برای مدل‌ها، اهداف و گردش کار ارزیابی شده پوشش می‌دهد.

2:23 OpenAI می‌گوید اندازه‌گیری قابلیت، طراحی را هدایت کرده و مهندسی بهتر می‌تواند هزینه‌ها را کاهش دهد. هزینه‌های کلی محقق در اینجا اندازه‌گیری نشده است. OpenAI یافته‌ها را با جوایز تاریخی باگ بانتی مقایسه می‌کند، و یک ارزش‌گذاری فرضی تولید می‌کند. پذیرش و پرداخت به برنامه بانتی تعلق دارد. ضرب یک پاداش در تعداد تحقیق تا زمانی که سعی کنید ضرب را به حساب بانکی خود واریز کنید، عالی به نظر می‌رسد.

چه چیزی هنوز یک وصله پیشنهادی را ناقص می‌کند؟

2:45 یک وصله پیشنهادی نیز نیاز به بررسی خاص خود دارد. نویسندگان می‌گویند وصله‌های اولیه می‌توانند مشکل نشان داده شده را متوقف کنند، در حالی که کد غیرضروری اضافه می‌کنند، عملکرد را کاهش می‌دهند یا واریانت‌های مرتبط را از دست می‌دهند. آنها دستورالعمل‌ها را بهبود بخشیدند و تکرار کردند. یک اصلاح باید با کد پایه گسترده‌تر سازگار باشد و از اولین آزمایشی که سبز می‌شود، بیشتر دوام بیاورد. OpenAI بررسی انسانی شدت و اصلاحات را قبل از گزارش بالادست توصیف می‌کند. راهنمای لینوکس می‌گوید یک اصلاح پیشنهادی آزمایش شده می‌تواند زمان بررسی را حتی اگر نگهدارندگان اصلاح متفاوتی را انتخاب کنند، صرفه‌جویی کند.

3:12 پذیرش بالادست یک تصمیم مهندسی جداگانه باقی می‌ماند.

زمان اندازه‌گیری snapshot وصله چه زمانی بود؟

3:15 خط مبنا آخرین کرنل در اواسط اکتبر بود. پس از ده روز تحقیق و تحلیل دستی، شصت و یک مورد افزایش دسترسی محلی در بالادست وصله شدند، و چهل و سه مورد دارای وصله‌های در حال استیجینگ بودند. OpenAI از حرکت سریع نگهدارندگان قدردانی می‌کند. این یک snapshot تکمیل تحقیق است و پروژه در حال حرکت بود. توزیع شما کرنل و به روزرسانی‌های خود را دارد.

کدام تاریخ و وضعیت وصله برای کاربران مهم است؟

3:34 برای کاربران، گام عملی این است که توصیه‌های نرم‌افزاری را که واقعاً اجرا می‌کنند، دنبال کنند. یک نتیجه تحقیقاتی بالادست هنوز باید از طریق فرآیند به روزرسانی به نسخه روی ماشین شما برسد. هر کسی که دیده‌است یک مجموعه تست موفق شود در حالی که محصول کار اشتباهی انجام می‌دهد، می‌داند چه حالت چهره‌ای در اینجا لازم است. حالا به آن تابلوی امتیازات اولیه برگردیم. بازبینان انسانی مشکلی را در یک سیگنال موفقیت کشف کردند. خط لوله اولیه پس از اینکه عامل به روت دست یافت، یک آسیب‌پذیری تخصیص یافته را

3:58 اعتبار داد. این نتیجه را بررسی می‌کند. یافته تخصیص یافته هنوز باید به آن نتیجه متصل شود، زیرا سیستم می‌تواند شامل بیش از یک نقص باشد. اگر شواهد به علت متفاوتی اشاره کند، گزارش اصلی نیاز به بررسی

بازبینان در اجرای اولیه چه چیزی پیدا کردند؟

4:09 دوباره دارد. طبق گفته OpenAI، یک اجرای اولیه دویست مورد افزایش دسترسی محلی موفق را گزارش کرد. بررسی انسانی نشان داد که بیست مورد از طریق نقصی متفاوت از نقص تخصیص یافته به روت دست یافته بودند. موفقیت واقعی بود و تخصیص اشتباه بود. موفقیت واقعی بود و تخصیص اشتباه بود. این می‌تواند شواهد یافته اصلی را حل نشده باقی بگذارد حتی در حالی که تابلوی امتیازات جشن می‌گرفت. آزمایش به سوال اشتباهی پاسخ داده بود. نویسندگان می‌گویند که محدودیت‌ها را سخت‌تر کرده و یک بررسی مستقل اضافه کرده‌اند که هر نتیجه نهایی از آسیب‌پذیری تخصیص یافته خود استفاده کرده است.

4:34 این پاسخ آنها به نقص اولیه است. بیست مورد اولیه ثابت نمی‌کنند که نهصد و چهل و هشت یافته نهایی نادرست هستند. نحوه وقوع یک نتیجه را به همان دقت وقوع آن بررسی کنید. بخش امیدوارکننده این است که شواهدی را به بازبینان بدهد که می‌توانند بر اساس آن عمل کنند، با یافته صحیح مرتبط. اگر ترجیح می‌دهید این را بخوانید تا از من بشنوید، The Daily Diff هر روز صبح به صورت رایگان به صندوق ورودی شما می‌رسد، در thedailydiff.dev، لینک در زیر.

چه چیزی در خط لوله OpenAI رای را دریافت می‌کند؟

4:55 پس رای امروز، NEEDS REVIEW. من این خط لوله را در گردش کار دفاعی با بررسی دستی وصله و بررسی مسیر مستقل نگه می‌دارم. یافته‌های گزارش شده زمانی مفید می‌شوند که نگهدارندگان شواهدی را دریافت کنند که می‌توانند به آن اعتماد کنند و اصلاحاتی را که می‌توانند ارزیابی کنند. و این The Daily Diff برای امروز است. من نیکو از Axrisi هستم.

5:10 مسئولانه ادغام کنید.

منابع

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