В среду OpenAI рассказала о тестовом запуске системы на базе будущей модели для кибербезопасности. В середине октября 2026 года она проверила 2 308 потенциальных уязвимостей ядра Linux, а затем в изолированной среде динамически воспроизвела 1 724 из них. На весь прогон ушло 30 часов.
Для 291 уязвимости, связанной с утечкой информации, система подготовила эксплойты с подтверждением концепции. Ещё 948 эксплойтов позволяли локальному пользователю без привилегий получить права root в одном из распространённых дистрибутивов Linux. Расход на API-кредиты составил 1 213 430 долларов, или 1 279 долларов за каждый такой эксплойт.
Работа шла в пять этапов. ИИ-агенты находили интересующие для проверки участки кода, доступные пользователям с низкими привилегиями, и искали возможные дефекты. Затем пытались воспроизвести их в песочнице и сохраняли данные о поведении системы. После этого оценивали, можно ли использовать подтверждённую уязвимость для раскрытия информации или повышения привилегий, создавали эксплойт и предлагали исправление. Завершающая проверка оставалась за исследователями: они оценивали эксплойт, патч и предполагаемую серьёзность проблемы, прежде чем сообщить о ней сопровождающим проекта.
По словам OpenAI, система обнаружила и применила как минимум 10 новых приёмов эксплуатации. В их числе два способа создавать устойчивые объекты для размещения множества объектов в целевом кэше ядра и два новых метода подготовки страниц памяти, повышающих надёжность атаки. Ещё пять приёмов позволяли повышать привилегии через изменение данных напрямую или произвольную запись; последний был связан с произвольной путаницей типов.
Новая работа продолжает исследование, о котором OpenAI сообщила в июне 2026 года: модель GPT‑5.5‑Cyber тогда обнаружила 24 эксплойта для локального повышения привилегий. Теперь речь идёт о гораздо более крупном автоматизированном процессе, который охватывает поиск дефекта, проверку его воспроизводимости, подготовку эксплойта и создание патча.
У такой автоматизации две стороны. Она ускоряет поиск и эксплуатацию ошибок, но может помочь защитникам обнаружить и закрыть их до того, как этим займутся злоумышленники. OpenAI предупреждает, что для надёжного защитного применения могут понадобиться дополнительные инструкции и несколько циклов доработки. Компания также считает, что создание патчей должно успевать за поиском уязвимостей: иначе дефекты дольше остаются пригодными для атаки. При участии специалистов ИИ способен подготовить исправления, которые соответствуют стилю существующего кода и выдерживают проверку вариантами атак.
В ближайшей и среднесрочной перспективе, утверждает OpenAI, хорошо обеспеченного ресурсами противника с учётной записью низкого уровня на системе без последних доступных обновлений следует считать фактически обладателем доступа root. Компания также предположила, что быстрое устранение дефектов может сделать эксплуатацию уязвимостей «слишком затратной» для злоумышленников.
Риски касаются не только Linux и не только крупных исследовательских групп. В отчёте, опубликованном в прошлом месяце, VulnCheck назвала поиск уязвимостей с помощью ИИ «растущей категорией риска»: такие инструменты могут дать начинающим хакерам возможность находить ошибки почти без технической подготовки. Те же возможности доступны и атакующим, которые способны искать новые уязвимости нулевого дня и превращать их в оружие, расширяя круг потенциальных целей.
Данные Google Threat Intelligence Group показывают, что число раскрытых уязвимостей росло: с 5 045 в январе 2026 года до 10 740 в августе. Количество раскрытых уязвимостей высокого риска за тот же период увеличилось с 131 до 350, то есть, по оценке группы, на 167%. Во вторник Национальный центр кибербезопасности Великобритании (NCSC) заявил, что широкая доступность ИИ-инструментов для кибератак почти наверняка внесла существенный вклад в рост обнаружения уязвимостей нулевого дня.
NCSC отмечает и обратный эффект: защитные ИИ-инструменты сокращают срок между обнаружением уязвимости нулевого дня и её публикацией как известной, а также ускоряют установку исправлений. Но системы остаются уязвимыми, если такие инструменты настроены неправильно или применяются не повсеместно. Организациям придётся менять процедуры тестирования и установки обновлений, чтобы успевать за темпом обнаружения дефектов. По оценке NCSC, атакующие также стали меньше опасаться потерять доступ во время операции: заменить его теперь обходится дешевле. Это снижает для них риск и позволяет использовать кибервозможности в более широком круге задач.
Для 291 уязвимости, связанной с утечкой информации, система подготовила эксплойты с подтверждением концепции. Ещё 948 эксплойтов позволяли локальному пользователю без привилегий получить права root в одном из распространённых дистрибутивов Linux. Расход на API-кредиты составил 1 213 430 долларов, или 1 279 долларов за каждый такой эксплойт.
Работа шла в пять этапов. ИИ-агенты находили интересующие для проверки участки кода, доступные пользователям с низкими привилегиями, и искали возможные дефекты. Затем пытались воспроизвести их в песочнице и сохраняли данные о поведении системы. После этого оценивали, можно ли использовать подтверждённую уязвимость для раскрытия информации или повышения привилегий, создавали эксплойт и предлагали исправление. Завершающая проверка оставалась за исследователями: они оценивали эксплойт, патч и предполагаемую серьёзность проблемы, прежде чем сообщить о ней сопровождающим проекта.
По словам OpenAI, система обнаружила и применила как минимум 10 новых приёмов эксплуатации. В их числе два способа создавать устойчивые объекты для размещения множества объектов в целевом кэше ядра и два новых метода подготовки страниц памяти, повышающих надёжность атаки. Ещё пять приёмов позволяли повышать привилегии через изменение данных напрямую или произвольную запись; последний был связан с произвольной путаницей типов.
Новая работа продолжает исследование, о котором OpenAI сообщила в июне 2026 года: модель GPT‑5.5‑Cyber тогда обнаружила 24 эксплойта для локального повышения привилегий. Теперь речь идёт о гораздо более крупном автоматизированном процессе, который охватывает поиск дефекта, проверку его воспроизводимости, подготовку эксплойта и создание патча.
У такой автоматизации две стороны. Она ускоряет поиск и эксплуатацию ошибок, но может помочь защитникам обнаружить и закрыть их до того, как этим займутся злоумышленники. OpenAI предупреждает, что для надёжного защитного применения могут понадобиться дополнительные инструкции и несколько циклов доработки. Компания также считает, что создание патчей должно успевать за поиском уязвимостей: иначе дефекты дольше остаются пригодными для атаки. При участии специалистов ИИ способен подготовить исправления, которые соответствуют стилю существующего кода и выдерживают проверку вариантами атак.
В ближайшей и среднесрочной перспективе, утверждает OpenAI, хорошо обеспеченного ресурсами противника с учётной записью низкого уровня на системе без последних доступных обновлений следует считать фактически обладателем доступа root. Компания также предположила, что быстрое устранение дефектов может сделать эксплуатацию уязвимостей «слишком затратной» для злоумышленников.
Риски касаются не только Linux и не только крупных исследовательских групп. В отчёте, опубликованном в прошлом месяце, VulnCheck назвала поиск уязвимостей с помощью ИИ «растущей категорией риска»: такие инструменты могут дать начинающим хакерам возможность находить ошибки почти без технической подготовки. Те же возможности доступны и атакующим, которые способны искать новые уязвимости нулевого дня и превращать их в оружие, расширяя круг потенциальных целей.
Данные Google Threat Intelligence Group показывают, что число раскрытых уязвимостей росло: с 5 045 в январе 2026 года до 10 740 в августе. Количество раскрытых уязвимостей высокого риска за тот же период увеличилось с 131 до 350, то есть, по оценке группы, на 167%. Во вторник Национальный центр кибербезопасности Великобритании (NCSC) заявил, что широкая доступность ИИ-инструментов для кибератак почти наверняка внесла существенный вклад в рост обнаружения уязвимостей нулевого дня.
NCSC отмечает и обратный эффект: защитные ИИ-инструменты сокращают срок между обнаружением уязвимости нулевого дня и её публикацией как известной, а также ускоряют установку исправлений. Но системы остаются уязвимыми, если такие инструменты настроены неправильно или применяются не повсеместно. Организациям придётся менять процедуры тестирования и установки обновлений, чтобы успевать за темпом обнаружения дефектов. По оценке NCSC, атакующие также стали меньше опасаться потерять доступ во время операции: заменить его теперь обходится дешевле. Это снижает для них риск и позволяет использовать кибервозможности в более широком круге задач.
