OpenAI rapporterar 948 lokala root-sårbarheter i Linux

Vad den här videon täcker

• Lokal privilegieeskalering börjar med att en redan befintlig obehörig lokal användare uppnår root-åtkomst. Rapporten ger ingen maskinspecifik bedömning av fjärråtkomst.
• Pipelinjen producerade 2 308 kandidater efter initial deduplicering och reproducerade 1 724 sårbarheter. Dess slutliga 948 unika lokala fynd använder ett antal distinkta kandidatpatchar efter variantanalys av 1 169 framgångsrika bedömningar.
• De rapporterade 1,2 miljoner dollar är API-krediter för de utvärderade modellerna, målen och arbetsflödet. Historiska bounty-värderingar är hypotetiska och kräver separat programacceptans och betalning.
• Baslinjen var mitten av oktober 2026. Siffrorna 61 uppströms/43 staging beskriver forskningsavslut efter tio dagar, så nuvarande distributionsråd är fortfarande nödvändiga.
• En tidig körnings 20 av 200 framgångar använde en annan sårbarhet än den tilldelade. OpenAI rapporterar att de har lagt till en oberoende kontroll av tilldelad sökväg; denna tidiga defekt fastställer inte att de slutliga 948 är falska. Bedömningen var NEEDS REVIEW med mänsklig patchgranskning och sökvägskontroller.

Översatt transkription

Översatt från den ursprungliga engelska berättelsen. Tillgängligt ljud och undertexter styrs av YouTube.

Vad betyder egentligen OpenAIs Linux-buggräkning?

0:00 Att hitta en Linux-bugg låter som att fixa den. OpenAI rapporterar niohundrafyrtioåtta lokala root-fynd och kandidat patchar, till en kostnad av cirka en komma två miljoner dollar i API-krediter. I den här videon, vad räknas? Vad upptäckte den mänskliga granskningen? Det finns ett tidigt test där maskinerna verkligen fick root, och resultattavlan krediterade fortfarande fel sak. Vi får se vad de mänskliga granskarna upptäckte.

0:20 Det är torsdag den femte november, och detta är The Daily Diff.

Vem kan få root-åtkomst?

0:24 Linuxkärnan är den kärna som hanterar en maskins resurser och behörigheter. Lokal privilegieeskalering innebär att en redan befintlig, obehörig användare uppnår root, den högsta behörigheten. OpenAI studerade den gränsen i isolerade forskningsmaskiner. Att ta sig in på en maskin är ett separat problem. OpenAI publicerade forskningen den fjärde november, och beskrev en kommande cybermodell inuti en automatiserad pipeline. Det användbara resultatet är en uppsättning fynd med bevis och föreslagna korrigeringar för

0:49 människor att granska. Artikeln meddelar inte allmän åtkomst till den kommande modellen. Det lämnar ett mycket mänskligt jobb kvar i den autonoma historien. Forskare granskade resultaten och började rapportera kritiska sårbarheter med patchar, enligt vägledning från kärngemenskapen. Agenterna kan fylla inkorgen. Någon måste fortfarande bestämma vad som förtjänar att vara i den. Pipelinjen började med säkerhetsrelevanta delar av kärnan,

Hur blir en kandidat bevis?

1:10 producerade sedan cirka tjugotre hundra kandidatfynd efter att ha tagit bort duplikat. En kandidat är en misstanke värd att undersöka. Vid den tidpunkten ser en övertygande paragraf och en faktisk reproducerbar sårbarhet fortfarande irriterande lika ut i ett kalkylblad. Så ett separat steg försökte reproducera de misstänkta problemen i isolerade maskiner, och bevarade bevis på vad som hände. OpenAI rapporterar ungefär sjutton hundra reproducerade sårbarheter. Detta fastställer beteende som forskarna kan inspektera.

1:36 Nästa fråga är vilka av dessa problem som korsar en allvarlig behörighets gräns. Linuxs egen säkerhetsrapporteringsguide hjälper till att förklara pappersarbetet. Underhållare ber om en drabbad version, bevis och de inblandade förhållandena. Den varnar också för att AI-rapporter av dålig kvalitet förbrukar granskningskapacitet. Det är allmän vägledning från gemenskapen, oberoende av OpenAIs papper. Den certifierar inte denna uppsättning fynd.

Varför blir det slutliga antalet 948?

1:58 Här är räknedetaljen. OpenAI rapporterar elvahundrasextionio framgångsrika lokala privilegieeskaleringar under bedömningen. Forskarna analyserade sedan relaterade varianter och utvecklade niohundrafyrtioåtta distinkta patchar. De använder det patchantalet för att definiera de unika lokala eskaleringsfynden. Flera framgångar kan tillhöra samma underliggande problem. Cirka en komma två miljoner dollar täcker rapporterade API-krediter för de utvärderade modellerna, målen och arbetsflödet.

2:23 OpenAI säger att kapacitetsmätning drev designen och att bättre ingenjörskonst skulle kunna minska kostnaderna. Totala forskningsutgifter är inte mätta här. OpenAI jämför fynden med historiska bug bounty-belöningar, och producerar en hypotetisk värdering. Acceptans och betalning tillhör bounty-programmet. Att multiplicera en belöning med ett forskningsantal känns bra tills du försöker sätta in multiplikationen på ditt bankkonto.

Vad gör fortfarande en föreslagen patch ofullständig?

2:45 En föreslagen patch behöver också sin egen granskning. Författarna säger att tidiga patchar kunde stoppa det demonstrerade problemet samtidigt som de lade till onödig kod, offrade prestanda eller missade relaterade varianter. De förbättrade instruktionerna och itererade. En fix måste passa den bredare kodbasen och överleva mer än det första testet som blir grönt. OpenAI beskriver mänsklig granskning av allvarlighetsgrad och fixar innan rapportering uppströms. Linuxs guide säger att en testad föreslagen fix kan spara granskningstid även om underhållare väljer en annan fix.

3:12 Uppströms acceptans förblir ett separat ingenjörsbeslut.

När mättes patch-ögonblicksbilden?

3:15 Baslinjen var den senaste kärnan i mitten av oktober. Efter tio dagars forskning och manuell analys, åtgärdades sextioen lokala eskaleringsproblem uppströms, med fyrtiotre som hade staging-patchar. OpenAI krediterar underhållare för att agera snabbt. Det är en ögonblicksbild av forskningsavslut, och projektet fortsatte att röra sig. Din distribution har sin egen levererade kärna och uppdateringar.

Vilket datum och patchstatus är viktigast för användare?

3:34 För användare är det praktiska steget att följa rekommendationer för den programvara de faktiskt kör. Ett uppströms forskningsresultat behöver fortfarande nå versionen på din maskin genom den uppdateringsprocessen. Den som har sett en testsvit klara sig medan produkten gör fel sak känner till ansiktsuttrycket som krävs här. Återgå nu till den tidiga resultattavlan. Mänskliga granskare upptäckte ett problem i en framgångssignal. Den tidiga pipelinen krediterade en tilldelad sårbarhet när agenten fick

3:58 root. Det kontrollerar resultatet. Det tilldelade fyndet måste fortfarande kopplas till det resultatet, eftersom systemet kan innehålla mer än en sårbarhet. Om bevisen pekar på en annan orsak, behöver den ursprungliga rapporten en ny

Vad hittade granskarna i den tidiga körningen?

4:09 granskning. Enligt OpenAI rapporterade en tidig körning tvåhundra framgångsrika lokala eskaleringar. Mänsklig granskning fann att tjugo hade nått root genom en annan sårbarhet än den tilldelade. Framgången var verklig, och attribueringen var fel. Detta kunde lämna bevisen för det ursprungliga fyndet olösta även när resultattavlan firade. Testet hade besvarat fel fråga. Författarna säger att de skärpte begränsningarna och lade till en oberoende kontroll som varje slutresultat använde sin tilldelade sårbarhet.

4:34 Det är deras svar på den tidiga defekten. De tidiga tjugo fastställer inte att de slutliga niohundrafyrtioåtta fynden är falska. Verifiera hur ett resultat hände lika noggrant som om det hände. Det lovande är att ge granskarna bevis de kan agera på, med rätt fynd bifogat. Om du hellre vill läsa detta än höra mig säga det, landar The Daily Diff i din inkorg varje morgon, gratis på thedailydiff.dev, länk nedan.

Vad får bedömningen av OpenAIs pipeline?

4:55 Så dagens bedömning, NEEDS REVIEW. Jag skulle behålla denna pipeline i det defensiva arbetsflödet med mänsklig patchgranskning och oberoende sökvägskontroller. Rapporterade fynd blir användbara när underhållare får bevis de kan lita på och fixar de kan bedöma. Och det var The Daily Diff för idag. Jag är Niko från Axrisi.

5:10 Sammanfoga ansvarsfullt.

Källor

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