OpenAI-Automatisierungspipeline deckt 948 Schwachstellen im Linux-Kernel auf
Das automatisierte System erzeugte funktionierende Root-Exploits und entdeckte zehn bislang nicht dokumentierte Sicherheitstechniken.
Automatisch aus dem englischen Original übersetzt Original lesen
Ein von OpenAI entwickeltes automatisiertes Cybersicherheits-Forschungssystem hat während eines Tests Mitte Oktober 2026 948 verschiedene Schwachstellen zur lokalen Rechteausweitung im Linux-Kernel identifiziert. Das Projekt nutzte ein nicht veröffentlichtes, von künstlicher Intelligenz gesteuertes Modell, um Quellcode zu prüfen, Fehler in virtuellen Maschinen zu verifizieren und Kandidaten für Softwarekorrekturen zu entwerfen.
Fünf Stufen vom Code-Audit bis zum Patch
Die Forschungskampagne stützte sich auf eine automatisierte Pipeline mit fünf Stufen, die darauf ausgelegt ist, Softwarefehler ohne ständige menschliche Eingriffe zu finden, zu belegen und zu beheben. Wie Interesting Engineering berichtet, begannen spezialisierte Scout-Agenten mit der Prüfung sicherheitskritischer Bereiche des Linux-Kernels und grenzten den Umfang auf 5.034 Ziele ein, die rund 2,8 Millionen Zeilen Code oder etwa 7 Prozent der gesamten Codebasis umfassen.
Anschließend untersuchten Analysten-Agenten diese Segmente und erzeugten binnen 12 Stunden 2.308 Kandidatenbefunde. Um Fehlalarme auszuschließen, überführte das System jeden Verdachtsfall in isolierte virtuelle Maschinen zur dynamischen Prüfung und validierte innerhalb von 30 Stunden 1.724 Schwachstellen. Agenten zur Exploit-Entwicklung erstellten danach 1.169 funktionierende Exploits zur lokalen Rechteausweitung sowie 291 Proofs of Concept für Informationslecks, die eine Variantenanalyse auf 948 einzigartige Fehler eingrenzte. Menschliche Forscher prüften die Kandidaten-Patches, bevor sie an die Maintainer des Systems weitergegeben wurden.
Zehn bislang undokumentierte Angriffsmethoden
Über das Auffinden bekannter Fehlerklassen hinaus erzeugte die Pipeline Techniken, die menschliche Sicherheitsexperten zuvor nicht dokumentiert hatten. Als die Forscher eine Stichprobe von 166 generierten Exploits analysierten, fanden sie laut Interesting Engineering 10 Exploitation-Techniken, die bislang undokumentiert waren.
Unabhängige Experten für Kernel-Exploitation, die während der Evaluierung konsultiert wurden, bestätigten, dass diese Mechanismen neuartig waren. Zu den Methoden gehörten unterschiedliche Wege, Objekte in Kernel-Speichercaches zu platzieren, Ansätze zur Erhöhung der Zuverlässigkeit von Exploits und reine Datenmanipulationen, die eine Rechteausweitung erreichen, ohne fremden Code einzuschleusen. Dieser Fortschritt im maschinellen Lernen zeigt, wie autonome Systeme mehrstufige Software-Schutzbarrieren durchdenken können.
Kosten des Audits und Ökonomie der Bug Bounties
Das gesamte Oktober-Audit erforderte 1,21 Millionen Dollar an API-Guthaben, was im Durchschnitt etwa 1.279 Dollar pro bestätigter Schwachstelle zur Rechteausweitung entspricht. Diese technische Innovation spiegelt einen starken Zuwachs an Leistungsfähigkeit im Vergleich zu einem früheren Testlauf im Juli 2026, bei dem eine Agentenkonfiguration mit GPT-5.6 Sol 166 Fehler bei Gesamtkosten von 513.690 Dollar fand – trotz anschließender Kernel-Härtung.
OpenAI verglich die 948 Fehler mit historischen Prämien, die bei kommerziellen Wettbewerben wie Pwn2Own und TyphoonPWN gezahlt wurden, wie Interesting Engineering berichtet. Dieser theoretische Vergleich ergab einen geschätzten Marktwert der Bounties zwischen 18,9 Millionen und 66,3 Millionen Dollar, was dem 16- bis 55-Fachen der Rechenkosten der automatisierten Pipeline entspricht. Die Entwickler haben im Rahmen des Programms Patch the Planet Hunderte Berichte und Kandidaten-Patches bei der Linux-Kernel-Community eingereicht, um die verbleibenden Defekte zu beheben.
Lesen Sie auch bei The Patent: OpenAI und Anthropic behaupten, KI habe ein 27 Jahre altes Informatikproblem gelöst · BBERT nutzt künstliche Intelligenz, um verborgene Bakterien im Boden zu identifizieren
