یک خط لوله خودکار هوش مصنوعی ۹۴۸ اکسپلویت ارتقای امتیاز محلی در هسته لینوکس کشف، بازتولید و پچ کرد. سامانه اوپن‌ای‌آی ۲۳۰۸ باگ کاندید را تحلیل، ۱۷۲۴ مورد را در کمتر از شش ساعت اعتبارسنجی و زمان پچ کردن را از ۲۷ روز به ۳.۲ روز کاهش داد. این رویکرد با نتایج گزارش آنتروپیک درباره نرخ پایین ترميز حفره‌های کشف‌شده توسط AI در تضاد است، چرا که این خط لوله ۹۴۸ اکسپلویت را پچ کرد. نظارت انسانی در این خط لوله نقش کلیدی دارد، همانند ریسک‌های لایه نظارتی در افشای ۱۲ هزار GPU انویدیا که نشان داد کنترل انسانی ناپذیر است.
چرا هسته لینوکس هدف قرار گرفت
هسته لینوکس با بیش از ۴۰ میلیون خط کد، ستون فقرات اندروید، زیرساخت‌های ابری، ابرکامپیوترها و بی‌شمار سیستم‌های نهفته است. سطح حمله گسترده شامل فراخوانی‌های سیستمی، پشته‌های شبکه، سیستم‌های فایل و درایورهای دستگاه می‌شود. این مقیاس و اهمیت، هسته را محک ایده‌آلی برای سنجش توانایی مدل‌های پیشرو در کشف و اثبات اثر امنیتی باگ‌های واقعی می‌سازد. در ژوئن، ابتکار Patch the Planet یک پایلوت مقیاس‌کوچک‌تر را اعلام کرد که در آن GPT-5.5 Cyber ۲۴ اکسپلویت LPE تولید کرد؛ آن آزمایش امکان‌سنجی تولید اکسپلویت مدل-محور را اثبات کرد و طراحی خط لوله‌ی فعلی را هدایت نمود.
معماری خط لوله هوش مصنوعی برای هسته لینوکس
خط لوله از چهار مرحله اصلی تشکیل شده که هرکدام قابل تعویض و ارتقا هستند:
تحلیل استاتیک با مدل ترنسفورمر
ترکیبی از تفسیر انتزاعی، ردیابی آلودگی (taint tracking) و یک مدل ترنسفورمر فاین‌تیون‌شده بر روی بیش از ۱۵۰ میلیون خط کد C و اسمبلی از تاریخچه کرنل، درخت‌های درایور و پایگاه‌های داده آسیب‌پذیری عمومی. مدل الگوهای کلاس‌های باگ رایج نظیر استفاده پس از آزادسازی، سرریز عدد صحیح و شرط رقابتی را یاد می‌گیرد. یافتن‌ها بر اساس امتیاز ترکیبی از اعتماد مدل، متریک‌های شدت استاتیک و داده‌های تاریخی اکسپلویت‌پذیری رتبه‌بندی می‌شوند. عامل‌های Scout ۵۰۳۴ هدف حساس (۲.۸ میلیون خط، حدود ۷ درصد کل هسته) را شناسایی کردند با هزینه ۳۴۲۶ دلار. عامل‌های Analyst در ۱۲ ساعت ۲۳۰۸ یافتن کاندید تولید کردند با هزینه ۳۱۶۵۴۹ دلار.
بازتولید پویا در سندباکس KCOV/KASAN
هر کاندید در یک پیکربندی کرنل مینیمم و دترمینیستیک (Kconfig fragments) کامپایل و در ماشین مجازی سبک با مکانیزم snapshot-restore اجرا می‌شود. ابزارهای KCOV و KASAN پوشش دقیق و تشخیص خطای حافظه فراهم می‌کنند. این زیرساخت از اجرای موازی روی صدها هسته پشتیبانی می‌کند و ۱۷۲۴ آسیب‌پذیری تاییدشده در کمتر از شش ساعت پردازش شدند. مرحله اعتبارسنجی ۳۰ ساعت طول کشید و ۷۳۳۳۰ دلار هزینه داشت. ۷۴.۷ درصد کاندیدها بازتولید شدند؛ فقط ۳.۱ درصد تحلیل نادرست مدل بود.
سنتز اکسپلویت و تولید پچ
یک مدل تخصصی تولید کد، ردیابی کرش، کد منبع اطراف و نمادین‌سازی چیدمان حافظه کرنل را مصرف می‌کند. مدل به‌صورت تکراری بدیهه‌های اکسپلویت — نظیر heap grooming، reference-count manipulation یا credential structure overwrite — پیشنهاد و با اجرای مجدد در هارن کنترل‌شده اعتبارسنجی می‌کند. زنجیره‌های موفق برای بهینه‌سازی امتیازهای لازم و قابلیت اطمینان در نسخه‌های مختلف کرنل صقل می‌شوند. خروجی شامل برنامه C مستقل، راهنمای اکسپلویت و پیشنهادات میتیگیشن قابل نگاشت به گزینه‌های پیکربندی کرنل است. برای پچ، منطقه آسیب‌پذیر استخراج، پچ مینیمم بر اساس الگوهای امن پیشنهاد و در برابر سویت تست‌های خودکار کرنل و تست‌های رگرسیون تازه اعتبارسنجی می‌شود. پچ‌ها طبق راهنمای مشارکت کرنل با برچسب‌های Signed-off-by و توصیف کلاس باگ قالب‌بندی و پیش از ارسال از checkpatch.pl و تست semantic equivalence test عبور می‌کنند.
شاخص‌های کمی: هشت‌برابر سریع‌تر، دقت بالاتر
- میانگین زمان از کشف باگ تا پچ تاییدشده: ۳.۲ روز در برابر ۲۷ روز در گردش‌کار سنتی (بیش از هشت‌برابر تسریع).
- نرخ فالز پازیتف: از تخمین ۳۸ درصد در تریاژ دستی به زیر ۵ درصد پس از بازتولید پویا کاهش یافته.
- نرخ موفقیت تولید اکسپلویت: ۵۵ درصد در برابر خط پایه ۳۰ درصد گزارش‌شده برای توسعه اکسپلویت صرفاً انسانی روی باگ‌های مشابه.
- متریک‌ها بر روی سه اجرای مستقل بر روی عکس‌های متمایز کرنل جمع‌آوری شده‌اند.
محدودیت‌ها و نقش نظارت انسانی
این کار نشان می‌دهد که مدل‌های زبانی بزرگ وقتی با زیرساخت‌های سندباکس و اعتبارسنجی قوی ترکیب شوند، می‌توانند چرخه کامل آسیب‌پذیری را از کشف تا رفع تسریع کنند. با این حال، سیستم همچنان برای قضاوت نهایی — به‌ویژه در کلاس‌های باگ نوین یا وقتی پچ‌ها تغییرات معنایی ظریف نیاز دارند که مدل نمی‌تواند به‌صورت قابل اعتماد استنتاج کند — به تخصص انسانی وابسته است. مدل سایبری آتی که در این خط لوله بکار رفته، درک کد بهتر، مدیریت پیشرفته اولیه‌های همزمانی کرنل و موتور سنتز اکسپلویت هوشمندتر دارد که می‌تواند درباره محدودیت‌های چیدمان حافظه و جریان کنترل استدلال کند.
انتشار باز متدولوژی و سندباکس
برای شفافیت و بهبود همکاری، متدولوژی کامل، پیکربندی سندباکس و نمونه‌ای از اکسپلویت‌ها و پچ‌های تولیدشده از طریق کنسرسیوم Patch the Planet منتشر می‌شوند. این انتشار باز محققان مستقل را قادر می‌سازد خط لوله را حسابرسی کنند، نتایج را بازتولید کنند و بهبودهایی نظیر هیوریستیک‌های تریاژ اضافی یا استراتژی‌های جایگزین سنتز اکسپلویت ارائه دهند. هدف بلندمدت، ایجاد یک پلتفرم جامع تحقیق آسیب‌پذیری با کمک هوش مصنوعی است که توسط فروشندگان، توزیع‌کنندگان و جامعه امنیتی برای سخت‌سازی پیوسته زنجیره تأمین نرم‌افزار مستقر شود.
گفتگو