El pipeline autónomo de OpenAI descubre 948 fallos en el kernel de Linux
El sistema automatizado generó exploits root funcionales y descubrió diez técnicas de seguridad no documentadas previamente.
Traducido automáticamente del original en inglés Leer el original
Un sistema automatizado de investigación en ciberseguridad desarrollado por OpenAI identificó 948 vulnerabilidades distintas de escalada local de privilegios en el kernel de Linux durante una prueba de mediados de octubre de 2026. El proyecto utilizó un modelo no publicado impulsado por inteligencia artificial para auditar código fuente, verificar fallos en máquinas virtuales y redactar correcciones de software candidatas.
Cinco etapas desde la auditoría del código hasta el parche
La campaña de investigación se basó en un pipeline automatizado de cinco etapas diseñado para encontrar, demostrar y reparar errores de software sin intervención humana continua. Según informó Interesting Engineering, agentes exploradores especializados comenzaron auditando áreas sensibles a la seguridad del kernel de Linux, acotando el alcance a 5.034 objetivos que abarcaban aproximadamente 2,8 millones de líneas de código, o cerca del 7 por ciento del código base completo.
Los agentes analistas inspeccionaron después esos segmentos y generaron 2.308 hallazgos candidatos en 12 horas. Para eliminar falsos positivos, el sistema transfirió cada caso sospechoso a máquinas virtuales aisladas para realizar pruebas dinámicas, validando 1.724 vulnerabilidades en un lapso de 30 horas. A continuación, los agentes de desarrollo de exploits construyeron 1.169 exploits funcionales de escalada local de privilegios, junto con 291 pruebas de concepto de filtración de información, que el análisis de variantes redujo a 948 fallos únicos. Investigadores humanos revisaron los parches candidatos antes de compartirlos con los mantenedores del sistema.
Diez métodos de ataque no documentados previamente
Más allá de localizar clases de errores conocidas, el pipeline generó técnicas que los especialistas humanos en seguridad no habían registrado antes. Cuando los investigadores analizaron una muestra de 166 exploits generados, encontraron 10 técnicas de explotación que no estaban documentadas previamente, según Interesting Engineering.
Expertos independientes en explotación del kernel consultados durante la evaluación confirmaron que estos mecanismos eran novedosos. Los métodos incluían formas distintas de colocar objetos dentro de las cachés de memoria del kernel, enfoques para aumentar la fiabilidad de los exploits y manipulaciones exclusivamente de datos que logran la escalada de privilegios sin inyectar código externo. Este avance en aprendizaje automático demuestra cómo los sistemas autónomos pueden razonar a través de barreras de defensa de software de varios pasos.
Costes de auditoría y economía de las recompensas por errores
La auditoría completa de octubre requirió 1,21 millones de dólares en créditos de API, lo que supone un promedio de aproximadamente 1.279 dólares por cada vulnerabilidad confirmada de escalada de privilegios. Esta innovación técnica refleja un aumento acusado de capacidad en comparación con una prueba anterior realizada en julio de 2026, cuando una configuración de agentes que usaba GPT-5.6 Sol encontró 166 fallos con un gasto total de 513.690 dólares, pese al endurecimiento posterior del kernel.
OpenAI comparó los 948 fallos con las recompensas históricas pagadas en competiciones comerciales como Pwn2Own y TyphoonPWN, según señaló Interesting Engineering. Esa comparación teórica arrojó un valor de mercado estimado de las recompensas de entre 18,9 millones y 66,3 millones de dólares, lo que representa entre 16 y 55 veces el coste computacional del pipeline automatizado. Los desarrolladores han enviado cientos de informes y parches candidatos a la comunidad del kernel de Linux en el marco del programa Patch the Planet para corregir los defectos restantes.
Lee también en The Patent: OpenAI y Anthropic afirman que la IA resolvió un problema de ciencias de la computación de 27 años · BBERT usa inteligencia artificial para identificar bacterias ocultas en el suelo
