
先给个参照系。Google 的 kernelCTF 是全世界内核漏洞赏金的顶级场子,2026 年一整年,被它确认收下的 Linux 本地提权 0-day,26 个。
OpenAI 放出来的这份研究里,同一套系统在 kernelCTF 的加固内核上跑了 112 小时,拿到 21 个提权利用,API 花费 32,936 美元。而在普通发行版内核上的完整一轮,跑出 948 个可用的本地提权(LPE)漏洞利用——一个普通本地用户能靠它拿到 root。
文章 11 月 4 日发布,标题叫《A thousand fewer paths to root》(少了一千条通往 root 的路),署名 OpenAI,来自 Cyber 团队。整套流程是自动的:找洞、复现、写利用、评估危害、生成补丁,最后才交给人审。
这篇把料摊开讲:漏斗怎么走的、120 万美元烧在哪、三代模型差多少、以及几个比数字更值得琢磨的坑。
为什么挑 Linux 内核下手
安卓手机、云基础设施、超算,底下都是它。四千多万行代码,系统调用、网络栈、文件系统、设备驱动,每一处都是攻击面。
但 OpenAI 在报告里把真正的瓶颈说得挺直白:初步扫出的候选发现有几千个,多到安全研究员根本审不过来。所以这套流水线要解决的不是"能不能找到洞",而是"哪些能复现、越过了哪条安全边界、哪个该最先交给维护者"。
这个判断很关键。找洞早就不是难事了,排队和验证才是。整篇文章的架构,全是围着这个瓶颈搭的。
五段流水线:从读代码到递补丁
核心是一个尚未发布的网络安全模型。五段分别是:发现、动态验证、可利用性评估、补丁生成、人工复核。每段输出一份东西,最后打包成四件套交给人类研究员——根因分析、最小崩溃 PoC、候选补丁、完整利用。这套东西的用途是让人判断危害等级、把修复推上游,不是拿来打人的。
Scout 负责收窄范围。它逐目录逐文件读,按两个标准挑审计目标:低权限用户能不能触达、跟安全相不相关。最后圈出 5,034 个目标、约 280 万行代码,只占整个内核的 7%。这步花了 3,426 美元。
Analyst 负责扫。工作流类似 Codex Security 插件:读懂这块代码怎么运作、定出威胁模型、找漏洞。12 小时内产出 2,308 个去重后的候选发现,花了 316,549 美元。
验证段是我觉得设计得最实在的一环。候选不等于真漏洞,几千条靠人看不现实。系统只挑满足三个条件的去验:低权限可达、不需要特殊 capability、有可测量的内存破坏证据。然后 Triage Agent 给每条写一个 PoC,丢进跑着 KASAN 的隔离虚拟机里,盯着程序输出和系统控制台反复改,直到复现或者把触发方式试完。
30 小时,复现了 1,724 条,占候选的 74.7%。更值得看的是失败的那部分:剩下的多数是要高权限、竞态条件太难触发、需要特定分配失败、或者 refcount 回绕这类耗时验证;真正属于模型分析错的只有 3.1%。静态扫描最怕的误报问题,在这里基本被动态复现这一步挡住了。
接下来是评估危害:先由一个故意宽松的初筛 Agent 静态看报告、崩溃日志和源码,筛出 313 个信息泄露候选和 1,238 个提权候选;再由 ExploitDev Agent 在开着 SMEP、SMAP、KASLR、HARDENED_USERCOPY 的标准发行版虚拟机里真写利用——防护全开,不许靠关掉缓解机制作弊。最终 291 个泄露 PoC、1,169 个能拿 root 的利用;做变体分析归并后,对应 948 个不同补丁,也就是 948 个独立提权漏洞。
这个 1,169 和 948 的差值值得留意:多个利用可能打的是同一个根因,OpenAI 用补丁数来定"独立漏洞",而不是拿利用数充数。漏斗图上写 948,正文里写 1,169,不是自相矛盾。
账本:120 万美元烧在哪
OpenAI 特意说了一句:这次研究关注的是方法和模型能力,不是省钱,所以这些数字更接近上界,把 harness 工程做好还能明显往下压。
钱的大头在写利用:775,929 美元,占 63.9%,其中信息泄露候选花 84,929、提权候选花 691,000。第二是 Analyst 扫代码 316,549。验证只要 73,330,初筛 44,194,Scout 定位几乎白送,3,426。
拆到单个更清楚。一个成功的利用平均 359 美元;处理一个提权候选平均 558 美元,是信息泄露候选 271 美元的两倍——泄露 PoC 能从验证阶段直接接着用,提权得从头规划利用策略、找脆弱对象、绕缓解机制。而失败的尝试反而更贵:69 个失败案例平均 3,922 美元,是成功案例的十倍多,少数硬骨头(比如竞态)把成本拖爆了。报告给的处方很朴素:定个放弃条件,比如一小时毫无进展就停,能省下不少。
还有个反直觉的结论:验证阶段"真阳性"和"假阳性"的尝试成本差不多,因为都得写 PoC 才知道真假。所以把误报在更早的阶段筛掉,是整条流水线性价比最高的优化方向。
隔了三个月,换一代模型,5.7 倍
时间线摆出来更直观。今年 6 月,Patch the Planet 计划里 GPT-5.5 Cyber 找到并写出 24 个提权利用;7 月底,GPT-5.6 Sol 端到端跑出 166 个独立提权漏洞,花 513,690 美元;10 月中,新的 cyber 模型跑出 948 个,花 1,213,430 美元。
两次扫的都是当时的 Linux 内核 master 分支,中间还隔了三个月社区加固。结果数量 5.7 倍,单个漏洞成本从 3,095 美元降到 1,279 美元,降了约 59%。报告顺手给了条建议:模型每强一代,就该把审过的代码重扫一遍,同一套 harness 也可能翻出上一代漏掉的东西;大型项目想"bottom out"潜伏的 bug,多半要反复扫很多轮,开源闭源都一样。
这批洞值多少钱
Cyber 团队把目标写得很明白:量一量"找洞和写利用"到底要花多少成本,用这个数去指导防守投入。
实验用的虚拟机跑的是原装桌面系统,不是故意削弱的靶机,威胁模型和 Pwn2Own、TyphoonPWN 这些比赛一致。这两个赛事历史上给 Linux 内核 LPE 的赏金分别是 2 万和 7 万美元。按 948 个折算,名义价值 1,890 万到 6,630 万美元,是这轮 API 成本的 16 到 55 倍。
kernelCTF 那一轮更极端:112 小时、32,936 美元,拿到 25 个泄露 PoC 和 21 个提权利用(为了兼容最新内核,配置里去掉了 SLAB_VIRTUAL 缓解),其中发现阶段就占了 83.7% 的 API 成本。若这 21 个都被项目接受,赏金约 150 万美元,约 45 倍。
报告里那句 Takeaway 说得毫不遮掩:按公开的赏金标准,这套流水线在本研究进行时是净盈利的。紧接着是给防守方的话:主动把自己的软件先扫一遍,把攻击者的预期收益压到不划算。
几个比数字更值得琢磨的地方
模型不只是套已知利用套路。OpenAI 抽了 166 个利用做人工分析,认为里面用了至少 10 种新的 Linux 利用技术,拿给第三方内核利用专家看,对方也认为是新的:2 种新的持久弹性对象(用来在目标内核 cache 里喷对象)、2 种新的页布局整理技术(提高利用稳定性)、5 种纯数据攻击(直接提权或借任意写提权)、1 种任意类型混淆。出于安全考虑,技术细节一个字没公开。结论是前沿模型不只是匹配见过的漏洞模式,它会自己发明打法。
一次很典型的翻车:用错了 0-day。早期某轮,利用阶段报告 200 个成功提权,人工复核发现其中 20 个是踩着另一个 0-day 拿到的 root,跟分派给它的那个漏洞根本不是一回事。系统判定标准只是"有没有拿到 root shell",结果被别的洞蒙混过关。后来他们收紧了任务约束,加了一道独立校验,确认每个最终利用确实用的是被指派的那个漏洞。这条 Takeaway 值得抄到任何做自动化研究的人的墙上:既要验结果,也要验通往结果的路径。
模型越强,脚手架越该拆。项目早期纠结过要不要给 agent 套重型编排。他们把 103 种内核利用技术整理成模型友好的格式塞进环境,GPT-5.5 Cyber 在 63 个利用候选上的成功率从 76.2% 提到 88.9%——效果显著。但换到 GPT-5.6 Cyber,模型自己就能找到、挑对、用上相关技术,把这层编排拆掉后的"轻编排"版本反而超过了"重脚手架"的 5.5 版本;再把技术层加回去,只多 1.5 个百分点。维护成本不值这个提升,于是删了。给所有搭 agent harness 的人的提醒:底座模型换代了,编排要重新评估。
补丁也得迭代。一开始直接让模型写补丁,功能上能挡住 PoC,但会写多余代码、引入性能取舍、不合内核编码习惯、或者忘了查同类变体导致补不全。加了指令和多轮迭代后,质量明显上去,功能、最小化、风格一致性都能兼顾;个别情况下,这套原型还挑出了人类专家写的补丁里的问题,在合并前修掉了。报告建议拿模型做对抗性复审:看看补丁能不能被绕过、有没有漏掉其他攻击路径和变体。
测试环境自己也有洞。kernelCTF 那轮,除了 21 个内核 0-day,原型还顺手挖出并利用了 QEMU TCG 的一个漏洞:Analyst 被派去分析系统调用入口代码,写程序试权限切换时撞见一次意外的内核崩溃,在看不到 QEMU 源码的情况下把问题定位到了 QEMU TCG,写进了报告;ExploitDev 随后给它写出了提权利用。人工分析利用时才发现这事,查下来上游 QEMU 已经修了,实验用的 release 版本没跟上。OpenAI 顺带提到自己主动测过基础设施,在 Kata、Moby/Docker、gVisor 里报过并修过一批洞。
维护者在追着补,用户该怎么活
扫描是 10 月中旬对最新内核做的。等自动扫描加人工分析跑完 10 天,已经有 61 个 LPE 在上游修好、43 个有暂存补丁、299 个正被公开报告讨论。这个速度本身就是个信号:漏洞披露和修复的节奏都被拉快了,用户和企业"及时打补丁"从建议变成了硬要求。
OpenAI 给的判断相当不客气:在中短期,一个没打全补丁的系统上的低权限账号,对一个资源充足的攻击者来说,应当视同已经拿到 root。所以纵深防御、沙箱和隔离(Firecracker、gVisor 这类)不是锦上添花,是拿来限制爆炸半径的。
往远一点看,他们认为几年内,只要软件里存在漏洞,前沿模型大概率能找出来;漏洞一旦披露,连更弱的模型都可能写出利用。在"没有未知漏洞"的世界里,真正值钱的是高保证软件——操作系统、浏览器、图片解析库、TCP/IP 栈这些核心件——以及默认就会写安全代码的模型、砍掉不必要功能以缩小攻击面、还有形式化验证。发现并修复存量漏洞,只是其中一条腿。
按 Linux 社区的建议,他们已经先报了数百份关键漏洞的报告和补丁,剩下的正和 Patch the Planet 的伙伴分批往外发。这属于 Daybreak 承诺里支持开源项目的部分。
我的几点想法
1. 这篇真正的主语不是模型,是流水线。948 这个数字容易被当成"模型多强",但拆开看,起作用的是几个很工程化的决定:Scout 把 4000 万行收窄到 7%、验证段坚持用动态复现挡误报、用补丁数而不是利用数定义独立漏洞、给 ExploitDev 定放弃条件。模型能力是上限,这些决定才决定下限。
2. 把成本公开,比把能力公开更有信息量。OpenAI 没有停在"我们找到了很多洞",而是把每阶段花了多少、单个利用多少钱、失败案例多贵、赏金是成本的多少倍全摊开,还声明这是上界。防守方终于有了一个可以拿来算账的分母——自己的软件值不值得先扫一遍,可以直接对标。
3. "净盈利"这三个字是把双刃剑。它既说明防守方现在做这件事划算,也说明攻击方同样划算。文章把结论落在"把攻击者的预期收益压到不划算",落到工程上就是补丁节奏、沙箱隔离、缩小攻击面——但 16 到 55 倍的价差摆在那里,短期内这个平衡对防守方并不友好。
4. 那 20 个"用错 0-day"的利用,是全文最该被反复引用的一段。自动化研究里,结果对不等于过程对;指标一旦被当成目标,系统就会找到最省力的路径绕过去。这不只适用于漏洞挖掘,任何用"最终状态"判定成功的 agent 评测都有这个风险。
5. 拆编排那条结论,值得每个做 agent 的人抄下来。我们习惯把脚手架当成能力的放大器,但这篇给的数据说明:脚手架的价值是相对底座模型而言的,模型一换代,昨天增益 12.7 个百分点的东西,今天只值 1.5 个百分点,还附带维护负担。定期重测 harness,应该和定期重扫代码一样成为常规动作。
标题说的是"少了一千条通往 root 的路"。这轮补上的 948 个洞确实是少了一千条,但真正变化的不是洞的数量,是找洞这件事从"一个研究员一个长期项目",变成了"一次带账单的批处理作业"。
参考资料:
[1] OpenAI. "A thousand fewer paths to root." November 4, 2026. https://openai.com/index/a-thousand-fewer-paths-to-root/
[2] OpenAI. "Patch the Planet" 计划页: https://openai.com/index/patch-the-planet/
[3] Google kernelCTF 规则: https://google.github.io/security-research/kernelctf/rules.html
[4] OpenAI. "Securing our frontier model training environment": https://openai.com/index/securing-our-frontier-model-training-environment/
1.20K-40K!深圳扬奇医芯招双目结构光算法工程师
2.AI教父Hinton诺奖演讲首登顶刊!拒绝公式,让全场秒懂「玻尔兹曼机」
3.GitHub没了?CEO辞职,微软接管,开发者天塌了
4.AI颠覆数学研究!菲尔兹奖得主、华裔数学家领衔11篇顶刊论文|陶哲轩转赞
5.AI OS,下一个二十年的超级平台
6.全球首个IMO金牌AI诞生!谷歌Gemini碾碎奥数神话,拿下35分震惊裁判



