OpenAI riporta 948 vulnerabilità root locali in Linux

Contenuto di questo video

• L'escalation di privilegi locali inizia con un utente locale non privilegiato già presente che raggiunge il root. Il rapporto non fornisce un verdetto di accesso remoto specifico per la macchina.
• La pipeline ha prodotto 2.308 candidati dopo la deduplicazione iniziale e ha riprodotto 1.724 vulnerabilità. I suoi 948 risultati locali unici finali utilizzano un conteggio di patch candidate distinte dopo l'analisi delle varianti di 1.169 valutazioni riuscite.
• I 1,2 milioni di dollari riportati sono crediti API per i modelli, i target e il workflow valutati. Le valutazioni storiche dei bug bounty sono ipotetiche e richiedono accettazione e pagamento separati del programma.
• La baseline era metà ottobre 2026. I dati di 61 upstream/43 staging descrivono il completamento della ricerca dopo dieci giorni, quindi gli attuali avvisi di distribuzione rimangono necessari.
• 20 successi su 200 di una prima esecuzione hanno utilizzato un difetto diverso da quello assegnato. OpenAI riferisce di aver aggiunto un controllo indipendente del percorso assegnato; questo difetto precoce non stabilisce che i 948 finali siano falsi. Il verdetto è stato NEEDS REVIEW con revisione umana delle patch e controlli del percorso.

Trascrizione tradotta

Tradotto dalla narrazione originale inglese. L'audio e i sottotitoli disponibili sono controllati da YouTube.

Cosa significa realmente il conteggio dei bug di Linux di OpenAI?

0:00 Trovare un difetto di Linux sembra come risolverlo. OpenAI riporta novecentoquarantotto scoperte root locali e candidati patch, con circa un milione e duecentomila dollari in crediti API. In questo video, cosa conta? Cosa ha rilevato la revisione umana? C'è un test iniziale in cui le macchine hanno davvero ottenuto il root, e il punteggio attribuiva ancora la cosa sbagliata. Vedremo cosa hanno rilevato i revisori umani.

0:20 È giovedì 5 novembre, e questo è The Daily Diff.

L'accesso di chi può diventare root?

0:24 Il kernel Linux è il nucleo che gestisce le risorse e i permessi di una macchina. L'escalation di privilegi locali significa che un utente già presente, non privilegiato, raggiunge il root, il privilegio più alto. OpenAI ha studiato quel confine in macchine di ricerca isolate. Accedere a una macchina è un problema separato. OpenAI ha pubblicato la ricerca il 4 novembre, descrivendo un prossimo modello cyber all'interno di una pipeline automatizzata. Il risultato utile è un insieme di scoperte con prove e correzioni proposte per

0:49 la revisione da parte delle persone. Il documento non annuncia l'accesso generale a quel prossimo modello. Ciò lascia un lavoro molto umano all'interno della storia autonoma. I ricercatori hanno esaminato gli output e hanno iniziato a segnalare vulnerabilità critiche con patch, seguendo le linee guida della comunità del kernel. Gli agenti possono riempire la casella di posta. Qualcuno deve ancora decidere cosa merita di esserci. La pipeline è iniziata con parti del kernel rilevanti per la sicurezza,

Come una candidata diventa prova?

1:10 poi ha prodotto circa duemilatrecento risultati candidati dopo aver rimosso i duplicati. Un candidato è un sospetto che merita di essere investigato. A quel punto, un paragrafo convincente e un difetto effettivamente riproducibile appaiono ancora fastidiosamente simili in un foglio di calcolo. Quindi una fase separata ha tentato di riprodurre i problemi sospetti all'interno di macchine isolate, preservando le prove di ciò che è accaduto. OpenAI riporta circa milleduecento vulnerabilità riprodotte. Ciò stabilisce un comportamento che i ricercatori possono ispezionare.

1:36 La domanda successiva è quali di questi problemi superano un grave limite di permesso. La guida alla segnalazione di sicurezza di Linux aiuta a spiegare la burocrazia. I manutentori richiedono una versione interessata, prove e le condizioni coinvolte. Avverte anche che i rapporti AI di scarsa qualità consumano capacità di revisione. Questa è una guida generale della comunità, indipendente dal documento di OpenAI. Non certifica questo lotto di scoperte.

Perché il conteggio finale diventa 948?

1:58 Ecco il dettaglio del conteggio. OpenAI riporta milleduecentosessantanove escalation di privilegi locali riuscite durante la valutazione. I ricercatori hanno poi analizzato le varianti correlate e sviluppato novecentoquarantotto patch distinte. Utilizzano quel conteggio delle patch per definire le scoperte uniche di escalation locale. Molteplici successi possono appartenere allo stesso problema sottostante. Circa un milione e duecentomila dollari coprono i crediti API riportati per i modelli, i target e il workflow valutati.

2:23 OpenAI afferma che la misurazione delle capacità ha guidato il design e una migliore ingegneria potrebbe ridurre i costi. Le spese totali dei ricercatori rimangono non misurate qui. OpenAI confronta i risultati con le ricompense storiche dei bug bounty, producendo una valutazione ipotetica. L'accettazione e il pagamento appartengono al programma bounty. Moltiplicare una ricompensa per un conteggio di ricerca sembra fantastico finché non provi a depositare la moltiplicazione sul tuo conto bancario.

Cosa rende ancora incompleta una patch proposta?

2:45 Anche una patch proposta necessita della propria revisione. Gli autori affermano che le prime patch potrebbero fermare il problema dimostrato aggiungendo codice non necessario, sacrificando le prestazioni o non rilevando varianti correlate. Hanno migliorato le istruzioni e iterato. Una correzione deve adattarsi alla codebase più ampia e sopravvivere a più del primo test che diventa verde. OpenAI descrive la revisione umana della gravità e delle correzioni prima di riportare a monte. La guida di Linux afferma che una correzione proposta testata può risparmiare tempo di revisione anche se i manutentori scelgono una correzione diversa.

3:12 L'accettazione a monte rimane una decisione ingegneristica separata.

Quando è stata misurata l'istantanea della patch?

3:15 La baseline era l'ultimo kernel a metà ottobre. Dopo dieci giorni di ricerca e analisi manuale, sessantuno problemi di escalation locale sono stati patchati a monte, con quarantatré che avevano patch in fase di staging. OpenAI ringrazia i manutentori per la rapidità. Questa è un'istantanea del completamento della ricerca, e il progetto ha continuato ad avanzare. La tua distribuzione ha il proprio kernel spedito e gli aggiornamenti.

Quali data e stato della patch contano per gli utenti?

3:34 Per gli utenti, il passo pratico è seguire gli avvisi per il software che effettivamente eseguono. Un risultato di ricerca a monte deve ancora raggiungere la versione sulla tua macchina attraverso quel processo di aggiornamento. Chiunque abbia visto una suite di test passare mentre il prodotto fa la cosa sbagliata conosce l'espressione facciale richiesta qui. Ora torniamo a quel primo tabellone. I revisori umani hanno scoperto un problema all'interno di un segnale di successo. La pipeline iniziale attribuiva una vulnerabilità assegnata una volta che l'agente otteneva

3:58 il root. Questo verifica il risultato. Il risultato assegnato deve ancora essere collegato a quel risultato, perché il sistema può contenere più di un difetto. Se le prove indicano una causa diversa, il rapporto originale necessita di un'altra

Cosa hanno trovato i revisori nella prima esecuzione?

4:09 occhiata. Secondo OpenAI, un'esecuzione iniziale ha riportato duecento escalation locali riuscite. La revisione umana ha riscontrato che venti avevano raggiunto il root attraverso un difetto diverso da quello assegnato. Il successo era reale, e l'attribuzione era sbagliata. Ciò potrebbe lasciare le prove del risultato originale irrisolte anche mentre il tabellone celebrava. Il test aveva risposto alla domanda sbagliata. Gli autori affermano di aver rafforzato i vincoli e aggiunto un controllo indipendente che ogni risultato finale utilizzasse la sua vulnerabilità assegnata.

4:34 Questa è la loro risposta al difetto precoce. I primi venti non stabiliscono che i novecentoquarantotto finali i risultati sono falsi. Verifica come un risultato è accaduto con la stessa cura con cui è accaduto. La parte promettente è fornire ai revisori prove su cui possono agire, con il risultato giusto allegato. Se preferisci leggere questo piuttosto che sentirmi dire, il diff arriva nella tua casella di posta ogni mattina, gratuitamente su the daily diff dot dev, link qui sotto.

Cosa ottiene il verdetto sulla pipeline di OpenAI?

4:55 Quindi il verdetto di oggi, NEEDS REVIEW. Manterrei questa pipeline nel workflow difensivo con revisione umana delle patch e controlli indipendenti del percorso. I risultati segnalati diventano utili quando i manutentori ricevono prove di cui possono fidarsi e correzioni che possono valutare. E questo è il diff per oggi. Sono Niko di Axrisi.

5:10 Unite responsabilmente.

Fonti

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