OpenAI zgłasza 948 lokalnych błędów root w systemie Linux

Co obejmuje ten film

• Lokalna eskalacja uprawnień rozpoczyna się, gdy już istniejący nieuprzywilejowany użytkownik lokalny uzyskuje dostęp root. Raport nie podaje żadnego werdyktu dotyczącego zdalnego dostępu do konkretnej maszyny.
• Linia badawcza wygenerowała 2308 kandydatów po wstępnej deduplikacji i odtworzyła 1724 luki. Jej ostateczne 948 unikalnych lokalnych odkryć wykorzystuje liczbę odrębnych proponowanych poprawek po analizie wariantów 1169 udanych ocen.
• Zgłoszone 1,2 miliona dolarów to kredyty API dla ocenianych modeli, celów i przepływu pracy. Historyczne wyceny nagród za błędy są hipotetyczne i wymagają oddzielnej akceptacji programu i płatności.
• Punktem odniesienia był połowa października 2026 roku. Dane 61-u twórców/43-ch etapów opisują ukończenie badań po dziesięciu dniach, więc aktualne porady dystrybucyjne pozostają niezbędne.
• Wczesne 20 ze 200 sukcesów wykorzystywało inną wadę niż przypisana. OpenAI zgłasza dodanie niezależnej kontroli przypisanej ścieżki; ten wczesny defekt nie oznacza, że ostateczne 948 błędów jest fałszywych. Werdykt brzmiał NEEDS REVIEW wraz z ludzką oceną poprawek i kontrolami ścieżki.

Przetłumaczona transkrypcja

Przetłumaczono z oryginalnej narracji angielskiej. Dostępne audio i napisy są kontrolowane przez YouTube.

Co właściwie oznacza liczba błędów Linuksa zgłoszona przez OpenAI?

0:00 Znalezienie błędu w Linuksie brzmi jak jego naprawienie. OpenAI zgłasza dziewięćset czterdzieści osiem lokalnych błędów root i proponowanych poprawek, za około milion dwieście tysięcy dolarów w kredytach API. W tym filmie, co się liczy? Co wychwyciła ludzka recenzja? Jest wczesny test, gdzie maszyny faktycznie uzyskały dostęp root, a tablica wyników nadal przypisywała to złej rzeczy. Zobaczymy, co wychwycili ludzcy recenzenci.

0:20 Jest czwartek, piąty listopada, a to jest The Daily Diff.

Czyj dostęp może stać się rootem?

0:24 Jądro Linuksa to rdzeń, który zarządza zasobami i uprawnieniami maszyny. Lokalna eskalacja uprawnień oznacza, że już istniejący, nieuprzywilejowany użytkownik uzyskuje dostęp root, najwyższe uprawnienia. OpenAI badało tę granicę w izolowanych maszynach badawczych. Dostanie się na maszynę to oddzielny problem. OpenAI opublikowało badania czwartego listopada, opisując nadchodzący model cybernetyczny w zautomatyzowanej linii badawczej. Użytecznym rezultatem jest zestaw odkryć z dowodami i proponowanymi poprawkami do

0:49 przeglądu przez ludzi. Artykuł nie ogłasza ogólnego dostępu do tego nadchodzącego modelu. To pozostawia bardzo ludzką pracę w autonomicznej historii. Badacze przeanalizowali wyniki i zaczęli zgłaszać krytyczne luki z poprawkami, zgodnie z wytycznymi społeczności jądra. Agenci mogą zapełnić skrzynkę odbiorczą. Ktoś nadal musi zdecydować, co zasługuje na to, by się w niej znaleźć. Linia badawcza rozpoczęła się od części jądra związanych z bezpieczeństwem,

Jak kandydat staje się dowodem?

1:10 a następnie wygenerowała około dwa tysiące trzysta kandydatów po usunięciu duplikatów. Kandydat to podejrzenie warte zbadania. W tym momencie, przekonujący akapit i faktycznie odtwarzalna wada nadal wyglądają irytująco podobnie w arkuszu kalkulacyjnym. Dlatego oddzielny etap próbował odtworzyć podejrzane problemy w izolowanych maszynach, zachowując dowody tego, co się wydarzyło. OpenAI zgłasza około siedemnastu setek odtworzonych luk. To ustala zachowanie, które badacze mogą zbadać.

1:36 Następne pytanie dotyczy tego, które z tych problemów przekracza poważną granicę uprawnień. Własny przewodnik Linuksa dotyczący raportowania bezpieczeństwa pomaga wyjaśnić formalności. Utrzymujący proszą o dotkniętą wersję, dowody i warunki. Ostrzega również, że słabej jakości raporty AI zużywają zdolności przeglądowe. To są ogólne wytyczne społeczności, niezależne od artykułu OpenAI. Nie certyfikuje to tej partii odkryć.

Dlaczego ostateczna liczba wynosi 948?

1:58 Oto szczegóły liczenia. OpenAI zgłasza jedenaście tysięcy sześćdziesiąt dziewięć udanych lokalnych eskalacji uprawnień podczas oceny. Następnie badacze przeanalizowali powiązane warianty i opracowali dziewięćset czterdzieści osiem odrębnych poprawek. Wykorzystują tę liczbę poprawek do zdefiniowania unikalnych lokalnych odkryć eskalacji. Wiele sukcesów może należeć do tego samego podstawowego problemu. Około milion dwieście tysięcy dolarów pokrywa zgłoszone kredyty API dla ocenionych modeli, celów i przepływu pracy.

2:23 OpenAI twierdzi, że pomiar możliwości kierował projektem, a lepsza inżynieria mogłaby zmniejszyć koszty. Całkowite wydatki badawcze pozostają tutaj niezmierzalne. OpenAI porównuje odkrycia z historycznymi nagrodami za błędy, tworząc hipotetyczną wycenę. Akceptacja i płatność należą do programu nagród. Mnożenie nagrody przez liczbę badań wydaje się świetne, dopóki nie spróbujesz wpłacić iloczynu na swoje konto bankowe.

Co sprawia, że proponowana łatka jest nadal niekompletna?

2:45 Proponowana poprawka również wymaga własnej oceny. Autorzy twierdzą, że wczesne poprawki mogły zatrzymać zademonstrowany problem, dodając niepotrzebny kod, pogarszając wydajność lub pomijając powiązane warianty. Poprawili instrukcje i iterowali. Poprawka musi pasować do szerszej bazy kodu i przetrwać więcej niż tylko pierwszy test, który zaświeci się na zielono. OpenAI opisuje ludzką ocenę wagi i poprawek przed zgłoszeniem do twórców. Przewodnik Linuksa mówi, że przetestowana proponowana poprawka może zaoszczędzić czas na ocenę, nawet jeśli utrzymujący wybiorą inną poprawkę.

3:12 Akceptacja twórców pozostaje osobną decyzją inżynieryjną.

Kiedy zmierzono migawkę łatki?

3:15 Punktem odniesienia było najnowsze jądro w połowie października. Po dziesięciu dniach badań i analizy ręcznej, sześćdziesiąt jeden lokalnych problemów z eskalacją zostało załatanych w górę rzeki, z czterdziestoma trzema posiadającymi poprawki stagingowe. OpenAI przypisuje zasługi twórcom za szybkie działanie. To jest migawka ukończenia badań, a projekt nadal się rozwijał. Twoja dystrybucja ma własne wysłane jądro i aktualizacje.

Jaka data i status łatki są ważne dla użytkowników?

3:34 Dla użytkowników, praktycznym krokiem jest przestrzeganie zaleceń dotyczących oprogramowania, które faktycznie uruchamiają. Wynik badań twórców nadal musi dotrzeć do wersji na twojej maszynie poprzez ten proces aktualizacji. Każdy, kto widział, jak pakiet testowy przechodzi, podczas gdy produkt robi coś złego, zna wyraz twarzy wymagany w tym miejscu. Teraz wróćmy do tej wczesnej tablicy wyników. Ludzie recenzenci odkryli problem w sygnale sukcesu. Wczesna linia badawcza przypisywała wykrytą lukę, gdy agent uzyskał dostęp

3:58 root. To sprawdza wynik. Przypisane odkrycie nadal musi być połączone z tym wynikiem, ponieważ system może zawierać więcej niż jedną wadę. Jeśli dowody wskazują na inną przyczynę, oryginalny raport wymaga ponownego

Co recenzenci znaleźli we wczesnej serii?

4:09 spojrzenia. Według OpenAI, wczesna seria zgłosiła dwieście udanych lokalnych eskalacji. Ludzka recenzja wykazała, że dwadzieścia z nich osiągnęło dostęp root przez inną wadę niż ta przypisana. Sukces był prawdziwy, a przypisanie było błędne. To mogło pozostawić dowody oryginalnego odkrycia nierozwiązane, nawet gdy tablica wyników świętowała. Test odpowiedział na złe pytanie. Autorzy twierdzą, że zaostrzyli ograniczenia i dodali niezależną kontrolę, która każdy ostateczny wynik wykorzystywał przypisaną lukę.

4:34 To jest ich odpowiedź na wczesny defekt. Wczesne dwadzieścia nie oznacza, że ostateczne dziewięćset czterdzieści osiem odkryć jest fałszywych. Sprawdź, jak wynik się wydarzył, tak dokładnie, jak to, czy się wydarzył. Obiecującą częścią jest dostarczanie recenzentom dowodów, na które mogą działać, z właściwym odkryciem dołączonym. Jeśli wolisz to przeczytać niż usłyszeć, The Daily Diff ląduje w Twojej skrzynce każdego ranka, za darmo na thedailydiff.dev, link poniżej.

Co decyduje o werdykcie w sprawie linii badawczej OpenAI?

4:55 Więc dzisiejszy werdykt, NEEDS REVIEW. Zachowałbym tę linię badawczą w defensywnym przepływie pracy z ludzką oceną poprawek i niezależnymi kontrolami ścieżki. Zgłoszone odkrycia stają się użyteczne, gdy twórcy otrzymują dowody, którym mogą ufać i poprawki, które mogą ocenić. I to jest The Daily Diff na dziś. Jestem Niko z Axrisi.

5:10 Łączcie odpowiedzialnie.

Źródła

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