OpenAI利用网络安全模型在Linux内核中发现948个严重本地提权漏洞

一句话结论

OpenAI自动化流水线在Linux内核中识别出948个可获取root权限的独立本地提权漏洞，发现成本大幅低于传统人工审计。

关键要点

• OpenAI使用未发布的网络安全模型，花费120万美元在Linux内核中挖出948个能让普通用户直接拿到最高管理员（root）权限的严重漏洞。
• 整个自动化流水线平均发现并攻破一个漏洞的成本为1279美元，其中生成一个完整可用的root提权利用（Exploit）API消耗仅为359美元。
• 负责验证的“分类兵”智能体在30小时内成功复现了1724个内核崩溃漏洞，命中率高达74.7%，因模型逻辑错误导致的彻底误报仅为3.1%。
• 攻击智能体自行发现并使用了至少10种全新的Linux内核攻击技术，包括2种持久弹性对象堆喷射、2种页面编排技术及1种全新的任意类型混淆，均被资深内核专家证实为“闻所未闻”。
• 除Linux内核外，该自动化管线已接入Firefox和Chrome浏览器，近期协助Firefox修复了超过40个漏洞。

背景与事实

2026年，OpenAI利用其尚未公开发布的大型网络安全模型，对Linux内核进行了一次史无前例的自动化深度扫描与攻防演练。Linux内核作为安卓、全球无数云服务器及几乎所有超级计算机的基础设施，其代码量超过4000万行，是由全球顶尖程序员在数十年间共同构建的核心系统。在本次评估中，OpenAI并未采用全量死磕的算力消耗模式，而是通过搭建分工明确的AI Agent集群，形成了一支纪律严明的自动化黑客军团，对系统安全边界进行了系统性探测。

整个自动化流水线在10天内完成，核心被划分为侦察分析、验证复现以及攻击利用三个紧密衔接的阶段。首先，被称为“侦察兵”的AI Agent通读了Linux内核的全量代码，通过安全相关性判断，从4000多万行代码中精准圈出约280万行占总代码量7%的高价值目标，此环节仅消耗了3426美元的API额度。随后，“分析师”Agent根据侦察结果对这280万行代码进行了地毯式扫描，在12小时内生成了2308份疑似漏洞报告，耗资31.6万美元。为了消除误报，负责验证的“分类兵”Agent针对每个疑似漏洞自动编写概念验证（PoC）代码，并在隔离的虚拟机中运行测试系统响应。

在验证与攻击利用环节，智能体展现出了极高的工程化效率。在30小时的测试窗口内，智能体在真实环境中成功复现了1724个内核崩溃漏洞，命中率高达74.7%。在确认漏洞真实性后，“攻击手”（ExploitDev Agents）接管任务，尝试绕过SMEP、SMAP、KASLR等系统内置的安全防护措施。在极端严苛的测试环境下，攻击智能体最终写出了291个信息泄露PoC以及1169个成功拿到root权限的提权Exploit。经过对同类变体进行合并去重后，最终锁定了948个独立的本地提权漏洞。值得注意的是，在早期测试的200个成功打通root shell的案例中，人工核验发现有20个利用程序并未使用被指定的漏洞目标，而是智能体在受限靶机中自主挖掘了系统内其他未知的0-day漏洞完成提权，展示了超越预设指令的战术自主性。

影响分析

对中文开发者、系统工程师及企业安全从业者而言，此次事件具有极为重大的警示意义，必须明确指出以下分析判断均基于本次事实推导。首先，针对传统企业，由于Linux内核几乎覆盖了绝大多数云端服务器、容器化环境及边缘计算设备，企业底层基础设施面临的供应链安全与内核提权风险被急剧放大。过去依赖定期更新系统补丁以缓解风险的传统运维策略，在面对948个漏洞级别的爆发式攻击时，其时间窗口显得极为紧迫。防守方若要完成审计、修复与全面测试，需要投入远超攻击成本的人力资源与时间，这种防御成本与攻击成本的不成比例，将迫使企业安全预算向AI自动化防御与代码静态分析倾斜。

其次，对于开发者与开源社区，AI自主发现未知攻击技术的现象表明，传统的代码审计手段已经无法跟上AI模型演进的节奏。随着更强的网络安全模型逐步迭代并可能向行业开放，利用更低成本挖掘内核级0-day漏洞将成为常态。这意味着，未来软件开发与安全测试流程将不可避免地引入AI对抗机制。安全团队不仅需要建立针对AI生成攻击的自动化响应与修复闭环，更需要在开发早期引入类似“AI红队”的对抗性测试，以在攻击者行动前主动消除系统脆弱性。对于掌握核心算力的大型科技公司，将安全算力以公益或商业方式投入开源生态修补，将成为新的安全基建标准。

适用边界

上述关于漏洞数量、发现成本以及攻击技术新颖性的结论，严格依赖于OpenAI在2026年特定时间窗口内所使用的未公开发表的网络安全模型以及配套的AI Agent架构。结论无法外推至当前市面已公开的通用大语言模型或传统静态代码分析工具。此外，948个独立漏洞的统计基于本次特定的隔离虚拟机环境与特定的提权限制条件，若将测试目标切换为其他操作系统内核、不同的硬件架构环境或放宽安全策略（如关闭特定缓解措施），漏洞的实际数量、可利用性、攻击所需成本及智能体所需的战术路径将发生不可预知的改变。本稿件中关于“攻击成本极低”的经济评估，也仅适用于具备大规模并发调用先进模型API额度的专业组织，无法直接代表普通黑产或个人的实际攻击能力与成本。

孤本观察

基于本次来源事实的编辑观察认为，此次事件不仅是一次漏洞挖掘能力的展示，更是网络安全经济学的一次重新定价。1279美元的漏洞获取成本对比数十年的顶尖人工审计经验，彻底抹平了内核级0-day挖掘的专业壁垒。可以判断，在AI模型能力持续迭代的驱动下，未来软件安全攻防的重心将不再是单个漏洞的隐蔽性，而是防守方应对AI海量并行攻击的响应速度与自动化修复效率。

来源：量子位