從一般帳號取得完整控制權的 948 條途徑
OpenAI 表示，一套自動化研究系統發現 948 個不同的 Linux 核心漏洞，攻擊者可能利用這些漏洞，從一般使用者帳號取得電腦的完整控制權。根據該公司於 2026 年 11 月 4 日發布的研究揭露，這項研究花費 1,213,430 美元的 AI API 額度，並產生候選修補程式供人工審查。
目錄
OpenAI 的研究報告說明了這個數字的計算方式：代理程式產生 1,169 個可運作的本機權限提升漏洞利用程式，再透過變體分析將相關發現歸類，並開發 948 個不同的修補程式。OpenAI 將最後這個數字列為獨立漏洞的數量。
本機權限提升漏洞可讓已在電腦上執行的使用者或程式，取得通常僅限管理員使用的權限，也就是 root 權限。Linux 核心是管理記憶體、硬體和存取權限的核心軟體。突破這道界線，可能讓原本受限的存取權限擴大為對整個系統的控制權。
OpenAI 在一套未具名、普遍使用的 Linux 發行版上測試這些漏洞利用程式，並啟用該系統的標準安全防護。該公司稱，這套流程使用的 AI 是一款即將推出的網路安全模型，但未提供發布日期，也未透露發行版名稱。漏洞數量、成本及新攻擊技術等說法，均為 OpenAI 自行公布的研究結果。
眼前的挑戰是讓修補程式真正安裝到人們使用的電腦上。研究期間，Linux 貢獻者已在修復或討論數百個彼此重疊的發現。人類研究人員仍須確認每個漏洞利用程式是否針對所宣稱的漏洞，以及提出的修補程式是否解決了問題根源。
代理程式如何從數百萬行程式碼中篩選目標
OpenAI 首先挑選一般使用者能接觸到、且與安全性相關的 Linux 部分。偵察代理程式找出 5,034 個稽核目標，涵蓋約 280 萬行程式碼，約占核心程式碼庫的 7%；整個核心程式碼庫超過 4,000 萬行。
接著，分析代理程式檢視這些目標，了解程式碼的運作方式，以及攻擊者可能在哪些地方突破安全界線。12 小時內，去除重複項目後，代理程式產生 2,308 個候選發現。挑選目標花費 3,426 美元的 API 額度；分析則花費 316,549 美元。
整個流程分為五個階段：漏洞發現、動態驗證、可利用性評估、修補程式生成和人工審查。每個階段各自回答不同問題，逐步從可疑程式碼確認實際安全問題，再提出修復方案。
在驗證階段，代理程式嘗試在隔離的虛擬機器中重現每個候選問題，並使用核心位址消毒器（Kernel Address Sanitizer），這是一種可偵測特定記憶體錯誤的工具。代理程式觀察程式輸出和系統日誌，並調整測試程式，直到觸發問題或用完分配的嘗試次數。
30 小時內，系統重現了 1,724 個漏洞，約占候選項目的 74.7%。OpenAI 表示，許多未能重現的發現需要更高權限，或依賴難以在時限內觸發的條件。該公司指出，3.1% 的候選發現源於錯誤分析，涉及不可能成立的條件。這 30 小時指的是驗證階段；掃描和後續人工分析則歷時 10 天。
可運作的漏洞利用程式證明了什麼
OpenAI 接下來判斷哪些已重現的錯誤可能導致資訊外洩或取得 root 權限。篩選代理程式將發現縮小至 313 個可能造成資訊外洩的項目，以及 1,238 個可能提升權限的項目。
漏洞利用程式開發代理程式產生 291 個資訊外洩概念驗證程式，以及 1,169 個可運作的權限提升漏洞利用程式。概念驗證程式是用來證明漏洞可被觸發的測試程式；漏洞利用程式則更進一步，利用漏洞造成安全影響，例如取得管理員權限。
測試機器啟用了位址隨機化、限制核心存取使用者記憶體，以及資料複製檢查等防護。位址隨機化會讓攻擊者更難預測有用的記憶體位置。啟用這些防護，讓測試環境更接近一般桌面安裝環境。
OpenAI 也測試了經調整的 Google kernelCTF 環境。該環境的攻擊面較小，並採用額外防護措施。這項測試歷時 112 小時，產生 25 個資訊外洩概念驗證程式和 21 個權限提升漏洞利用程式，API 成本約為 32,936 美元。由於 SLAB_VIRTUAL 緩解措施與測試所用的最新核心不相容，因此調整版環境未採用這項措施。
OpenAI 表示，研究人員在 QEMU TCG 中發現一個漏洞；QEMU TCG 是其 kernelCTF 測試所用虛擬化基礎設施的一部分。這項發現也讓研究環境本身納入安全審查範圍。
10 月研究與先前工作的比較
OpenAI 在 2026 年透過數項實驗擴大 Linux 研究規模。該公司將這項工作與 Patch the Planet 計畫相連結，這項計畫旨在協助維護者發現並修復廣泛使用軟體中的漏洞。
- 2026 年 6 月：OpenAI 揭露使用 GPT-5.5 Cyber 開發的 24 個 Linux 權限提升漏洞利用程式。
- 2026 年 7 月底：使用 GPT-5.6 Sol 的研究發現並利用 166 個獨立的權限提升漏洞，API 成本為 513,690 美元。
- 2026 年 10 月中旬：較新的網路安全模型產生涵蓋 948 個不同權限提升漏洞的漏洞利用程式，並提供候選修補程式，成本為 1,213,430 美元。
- 2026 年 11 月 4 日：OpenAI 發布流程和研究結果的說明。
10 月研究發現的獨立權限提升漏洞，約為 7 月研究的 5.7 倍，支出則約為 2.4 倍。根據這些總額計算，每個獨立發現的 API 支出從約 3,095 美元降至約 1,280 美元。
兩次研究檢視的都是當時最新的 Linux 核心主分支。OpenAI 表示，儘管這段期間多了三個月的核心修補和強化工作，10 月使用的模型仍發現多得多的漏洞。該公司主張，隨著模型能力提升，重要軟體應再次接受掃描。
為什麼取得 root 權限還不足以驗證發現
OpenAI 在早期實驗中遇到一個基本問題：200 個成功的漏洞利用中，有 20 個是透過不同於交給代理程式的漏洞取得 root 權限。攻擊雖然成功，但對於究竟利用哪個錯誤的說明卻不正確。
這會影響修補工作。研究人員必須將觀察到的結果連結至正確原因，維護者才能修復造成問題的程式碼。發現錯誤歸因後，OpenAI 增加了獨立檢查。
Security Brigade 創辦人暨技術長 Yash Kadakia 說明，企業為何需要可重現的結果和準確的解釋：
「達成結果和正確說明如何達成，是兩回事。」他說。
OpenAI 最終的研究資料包包含成因分析、可觸發當機的最小測試程式、候選修補程式和完整漏洞利用程式。人類安全研究人員審查漏洞利用程式、修補方案和建議嚴重性後，再向維護者通報發現。
修補程式開發也需要反覆調整。初版 AI 修補方案有時會加入不必要的變更、犧牲效能，或未能修復漏洞的相關變體。測試不同攻擊變體，有助研究人員評估修補方案是否涵蓋更廣泛的問題。
120 萬美元的投入換來什麼，以及 OpenAI 如何估值
OpenAI 報告指出，整個研究活動的成本為 1,213,430 美元，平均每個獨立權限提升漏洞約 1,279 美元。這些數字反映模型和工作流程的 API 支出，並非研究人力和營運費用的完整帳目。
可利用性評估占最大支出。篩選花費 44,194 美元，漏洞利用程式開發則花費 775,929 美元，其中權限提升候選項目占 691,000 美元，資訊外洩候選項目占 84,929 美元。
難以成功的案例可能特別昂貴。OpenAI 表示，69 次未成功的權限提升嘗試，平均每次花費約 3,922 美元；每個成功的漏洞利用程式平均約花費 360 美元。有些棘手案例涉及競態條件，也就是必須依照精確順序或在特定時刻發生事件才能成功。
OpenAI 將 948 個發現與歷屆 Pwn2Own 和 TyphoonPWN 賽事中，Linux 核心權限提升漏洞利用程式的獎金相比，兩者分別為 20,000 美元和 70,000 美元。依此推算，假設價值介於 1,890 萬至 6,630 萬美元，約為研究活動 API 成本的 16 至 55 倍。
該公司也估計，如果 21 個 kernelCTF 漏洞利用程式獲得計畫接受，可能可獲得約 150 萬美元。這兩項比較都是有條件的獎金估算，實際獎金取決於計畫規則和審核結果。OpenAI 表示，這項工作著重於衡量能力，而非降低成本；改進工作流程設計則有望減少支出。
宣稱發現 10 種新技術，細節未公開
OpenAI 檢視了 166 個漏洞利用程式樣本，並表示至少確認了 10 種對其研究人員，以及研究期間諮詢的外部核心漏洞利用專家而言都屬於新技術。基於安全考量，該公司未公開詳細操作指引。
這些技術包括兩種可將攻擊者控制的資料放入核心記憶體的新物件、兩種提高可靠性的記憶體配置方式、五種透過修改資料取得權限的方法，以及一種涉及任意型別混淆的技術。型別混淆是指軟體將某個物件當成另一種型別處理，可能因此存取錯誤的資料或操作。
OpenAI 將這些結果視為證據，表示代理程式能提出超越常見漏洞利用模式的方法。這項主張是根據該公司對樣本的審查，以及與外部專家的諮詢。
對防禦者而言，實務上的啟示是，修補方案除了要針對首次成功的漏洞利用進行測試，也要測試相關攻擊變體。OpenAI 表示，在專家引導下反覆調整，有助於產生運作正確、符合周邊程式碼設計，並能抵禦變體攻擊的修補程式。
上游修補程式與受保護機器之間的落差
OpenAI 展開研究期間，Linux 維護者已開始採取行動。涵蓋掃描和人工分析的 10 天結束時，已有 61 個權限提升發現被納入上游修補，43 個已有預備階段修補程式，另有 299 個正在公開通報和討論。
上游修補程式是已納入主專案的變更；預備階段修補程式則仍在審查或整合過程中。接著，Linux 發行版供應商必須提供適用的更新給客戶，客戶則必須安裝更新並啟用修正後的核心。
OpenAI 表示，已提交數百份報告和修補程式，並依照核心社群的指引，優先處理重大漏洞。該公司未提供全部 948 個發現的完整修復情況。
IDC 研究總監 Sakshi Grover 指出，修補程式到達實際運作系統之前的這段時間，是最核心的疑慮：
「風險不在於 948 個漏洞本身，而在於從發現漏洞到修補程式部署至正式環境之間的時間長短。」她說。
Grover 建議優先處理由多個客戶共用的主機、自動化軟體建置系統、共用存取伺服器、容器平台和開發者電腦。她也呼籲組織向 Linux 發行版供應商確認，修補程式何時能納入受支援的版本。
SUSE 技術長暨產品長 Thomas Di Giacomo 表示，該公司也使用類似的 AI 工具，並與上游社群合作進行漏洞揭露和修補。他說，SUSE 的做法是結合多層防護與強化過的應用程式執行環境。
更快的漏洞發現週期影響範圍不只 Linux 桌面
Google 威脅情報小組的數據顯示，2026 年 8 月每月揭露的漏洞數量為 10,740 個，高於 1 月的 5,045 個。同一期間，被歸類為高風險的漏洞揭露數量從 131 個增至 350 個，約增加 167%。
英國國家網路安全中心（NCSC）在 11 月 3 日發布的評估報告中，探討了 AI 輔助漏洞發現。該機構表示：
AI 網路安全工具廣泛普及，幾乎可以肯定已大幅增加零時差漏洞的發現數量。
零時差漏洞是指防禦者事前沒有機會準備修補程式的漏洞。NCSC 表示，防禦性 AI 工具已加快修補速度，同時警告，許多系統仍暴露於風險中，原因是這些工具未正確設定，也未廣泛部署。組織必須調整修補和測試流程，以因應更快的步調。
Linux 的廣泛應用讓這項營運問題影響層面甚廣。Android 裝置、雲端基礎設施和超級電腦都使用 Linux 核心。區塊鏈基礎設施同樣面臨風險：根據 ethernodes.org 的數據（相關報導引用該數據），約三分之二的 Ethereum 節點使用 Linux。
Polygon Labs 技術長 Mudit Gupta 認為，分散式基礎設施具有韌性：
去中心化帶來基礎設施多樣性和冗餘，讓加密貨幣比傳統軟體更能抵禦這類漏洞。
安全研究員 Caducus 也指出，加密貨幣基礎設施經歷反覆攻擊後，韌性已有所提升。對個別營運者而言，實際工作仍是確保機器安裝最新修補程式，並限制遭入侵帳號可能造成的損害。
OpenAI 建議採取多層防禦，包括沙箱，以及 Firecracker 和 gVisor 等隔離系統。該公司的警告很直接：資源充足的攻擊者若能以一般帳號存取未安裝可用修補程式的作業系統，就可能將這項存取權限擴大為 root 權限。更快發現漏洞，只有在修補程式也能迅速部署到這些系統時，才真正有幫助。
重點摘要
- OpenAI 表示，分析 1,169 個可運作的漏洞利用程式並產生候選修補程式後，共發現 948 個不同的 Linux 權限提升漏洞。
- 10 月研究活動花費 1,213,430 美元的 API 額度；驗證階段在 30 小時內重現了 1,724 個候選漏洞。
- 測試使用啟用標準防護的普通 Linux 發行版；模型和發行版均未公開。
- 仍須由人類審查，確認每個漏洞利用程式的成因並評估修補方案。
- 分析結束時，維護者已將 61 個發現納入上游修補，另有 43 個預備階段修補程式，以及 299 個仍在公開討論中的發現。
- 防禦工作的當務之急是提供並安裝修補程式，尤其是共用系統，因為一般帳號的存取權限可能升級為管理員控制權。
