Resumo:
A OpenAI anunciou recentemente um resultado de pesquisa de segurança que atraiu ampla atenção no setor. A empresa disse que um de seus próximos modelos de inteligência artificial específicos para segurança cibernética descobriu com sucesso 948 vulnerabilidades de escalonamento de privilégios locais no kernel Linux. Uma vez exploradas, essas vulnerabilidades podem permitir que usuários locais comuns obtenham o mais alto nível de privilégios Root no sistema.
O kernel Linux é uma das infraestruturas de software mais importantes do mundo e é amplamente utilizado em dispositivos e sistemas como smartphones Android, plataformas de computação em nuvem, servidores de data center e supercomputadores. Devido ao tamanho extremamente grande do código, encontrar possíveis vulnerabilidades de segurança sempre foi uma tarefa complexa e demorada.
OpenAI disse que esta pesquisa não exige apenas que o modelo de IA encontre vulnerabilidades, mas constrói um processo completo de pesquisa de segurança automatizada em vários estágios para realizar trabalhos de auditoria em escala industrial no kernel Linux. Todo o sistema é concluído de forma colaborativa por vários agentes de IA dedicados, e tudo, desde triagem de alvos, análise de vulnerabilidades, verificação de vulnerabilidades até testes de exploração e geração de patches, é automatizado.
No primeiro estágio, o agente de IA chamado "Scout" primeiro analisa a base de código do kernel e filtra módulos funcionais e arquivos acessíveis a usuários comuns. No final, o sistema identificou cerca de 2,8 milhões de linhas de código-chave de mais de 40 milhões de linhas de código como alvos de auditoria, representando cerca de 7% de todo o tamanho do código do kernel Linux. Um total de 5.034 alvos potenciais foram selecionados para inspeção aprofundada.
Posteriormente, o agente "Analista" conduziu análises de segurança nesses códigos e encontrou 2.308 potenciais candidatos a vulnerabilidade em 12 horas. Desde então, o agente “Triage” reproduziu e verificou essas descobertas em um ambiente isolado de máquina virtual, confirmando com sucesso 1.724 vulnerabilidades reais em cerca de 30 horas.
Depois de concluir a verificação, o sistema de IA avalia ainda mais a capacidade de exploração dessas vulnerabilidades. Por fim, foram gerados 291 programas de prova de conceito para vulnerabilidades de vazamento de informações, bem como 1.169 amostras de ataques eficazes capazes de alcançar escalonamento de privilégios locais. Depois de analisar e classificar as duplicatas, a equipe de pesquisa confirmou que havia 948 vulnerabilidades independentes.
A OpenAI afirmou que essas amostras de ataque foram testadas em um ambiente de sistema de desktop padrão com modernos mecanismos de proteção de segurança Linux habilitados, incluindo tecnologias de proteção convencionais, como KASLR, SMEP e SMAP. Isto significa que as vulnerabilidades relevantes ainda podem ser exploradas mesmo em ambientes com medidas comuns de proteção de segurança.
O que é ainda mais preocupante é que os pesquisadores alegaram que o sistema de IA descobriu e usou pelo menos 10 técnicas de exploração de vulnerabilidades do Linux não registradas anteriormente durante o processo de análise. Isso inclui novos métodos de pulverização de objetos do kernel, técnicas de paginação de memória e vários ataques de dados que permitem o escalonamento de privilégios sem a execução tradicional de código. Por razões de segurança, a OpenAI não divulga os detalhes específicos destas tecnologias.
Os dados mostram que todo o projeto consumiu um total de aproximadamente US$ 1,21 milhão em recursos de computação de API, e o custo médio de cada descoberta de uma vulnerabilidade de escalonamento de privilégios disponível foi de aproximadamente US$ 1.279. A OpenAI apontou que, com base nos padrões anteriores do programa de recompensa de vulnerabilidade na indústria de segurança, o valor total da recompensa potencial correspondente a essas 948 vulnerabilidades pode atingir entre US$ 18,9 milhões e US$ 66,3 milhões.
Durante o período de pesquisa, a OpenAI começou a enviar relatórios de vulnerabilidade e planos de reparo para a comunidade de manutenção do Linux. A empresa disse que durante o processo de divulgação coordenada de 10 dias, 61 vulnerabilidades de escalonamento de privilégios foram formalmente corrigidas, 43 vulnerabilidades entraram na fase de teste de patch e outras 299 vulnerabilidades estão em discussão pública e processo de revisão.
Essa conquista também demonstra as crescentes capacidades da inteligência artificial na área de segurança de rede. Em junho deste ano, a OpenAI anunciou que seu modelo GPT-5.5 Cyber descobriu e verificou 24 vulnerabilidades de escalonamento de privilégios do Linux; em outro teste realizado em julho, o modelo da empresa descobriu 166 vulnerabilidades independentes. Em comparação, o número de 948 vulnerabilidades descobertas neste último experimento aumentou mais de cinco vezes, embora o kernel do Linux tenha passado por um extenso reforço de segurança nos últimos meses.
A OpenAI acredita que o trabalho de descoberta de vulnerabilidades se tornará cada vez mais em grande escala e automatizado no futuro. As tarefas de mineração de vulnerabilidades que antes levavam semanas ou até meses para serem concluídas pelos pesquisadores de segurança estão agora evoluindo gradualmente para processos padronizados executados continuamente por sistemas de inteligência artificial. No entanto, a empresa também enfatiza que os investigadores humanos ainda são essenciais porque elos fundamentais como a identificação de vulnerabilidades, a avaliação de impacto e a divulgação de responsabilidades ainda exigem a participação profissional na revisão.
À medida que as capacidades dos modelos de IA continuam a melhorar, a indústria de segurança de rede está entrando em uma nova fase. Por um lado, os defensores podem usar a inteligência artificial para descobrir e corrigir vulnerabilidades a uma velocidade sem precedentes; por outro lado, esta tecnologia também significa que os atacantes poderão ter acesso a ferramentas de ataque automatizado mais poderosas no futuro. Como encontrar um equilíbrio entre melhorar a eficiência da defesa e prevenir riscos de abuso está se tornando uma questão importante em todo o campo da segurança de redes.
Comentários