OpenAI beschreef woensdag een pijplijn die een aankomend, op cyberbeveiliging gericht kunstmatig-intelligentiemodel gebruikte om 948 lokale privilege-escalatie-kwetsbaarheden in Linux te valideren en te patchen voor $1,2 miljoen aan API-kosten.
“Onze prototype identificeerde en analyseerde 2.308 kandidaatbevindingen in de Linux-kernel, reproduceerde dynamisch 1.724 kwetsbaarheden en produceerde 948 lokale privilege-escalatie (LPE) exploits die een niet-geprivilegieerde lokale gebruiker root-toegang zouden kunnen geven,” zei het AI-bedrijf.
De bevindingen bouwen voort op 24 LPE-exploits die OpenAI al in juni 2026 meldde te hebben ontdekt met zijn GPT‑5.5‑Cyber-model. Het nieuwste onderzoek zet dit proces om in een agentachtige pijplijn met vijf fasen:
- Vulnerability discovery (kwetsbaarheidsontdekking), waarbij agenten hoge-waarde auditdoelen identificeren (d.w.z. delen van de codebasis die security-relevant zijn en bereikbaar voor gebruikers met beperkte rechten) en zoeken naar kandidaatbevindingen
- Dynamic validation (dynamische validatie), waarbij agenten proberen elke kandidaat te reproduceren in een sandbox-omgeving en runtime-bewijs bewaren
- Exploitability assessment (beoordeling van bruikbaarheid), waarbij agenten testen of gevalideerde kwetsbaarheden misbruikt kunnen worden voor informatielekken of LPE en een proof-of-concept (PoC) exploit ontwerpen
- Patch generation (patch-generatie), waarbij agenten patches genereren voor de geïdentificeerde kwetsbaarheid
- Human review (menselijke beoordeling), waarbij securityonderzoekers de exploit, patch en voorgestelde ernstniveau beoordelen voordat het aan de onderhouders wordt gerapporteerd
“In een run halverwege oktober 2026 reproduceerde onze pijplijn met een aankomend cyber-model dynamisch 1.724 kwetsbaarheden [binnen 30 uur] en genereerde PoC’s voor 291 information-leak kwetsbaarheden en 948 werkende lokale privilege-escalatie (LPE) exploits voor een veelgebruikte Linux-distributie,” zei OpenAI.
“De totale run kostte $1.213.430 aan API-tegoeden, of $1.279 per LPE-exploit. Voor zover wij weten ontdekten en gebruikten de agenten in deze pijplijn ten minste 10 nieuwe Linux-exploitatie-technieken.”
Op hoog niveau omvatten deze technieken onder meer:
- Twee nieuwe persistente elastische objecten om objecten in de doel-kernelcache te ‘sprayen’
- Twee nieuwe page-grooming technieken om de betrouwbaarheid van exploits te verbeteren
- Vijf nieuwe data-only technieken om privilege-escalatie direct te verkrijgen of via een arbitraire schrijfactie
- Één techniek die arbitraire typeverwarring behelst
De ontwikkeling is opnieuw een aanwijzing voor hoe geavanceerde AI de contouren van cyberbeveiliging hertekent: het versnelt het ontdekken en exploiteren van kwetsbaarheden en helpt tegelijkertijd verdedigers om gebreken betrouwbaar aan te pakken — zij het via extra instructies en iteraties — voordat aanvallers ze kunnen misbruiken, en maakt het voor kwaadwillenden economisch onaantrekkelijk om software te exploiteren.
In een rapport dat vorige maand werd gepubliceerd, classificeerde VulnCheck AI-geassisteerde kwetsbaarheidsontdekking als een “groeiende risicocategorie” die beginnende hackers turbo-opstart geeft; zij hebben nu weinig tot geen technische expertise meer nodig om softwarekwetsbaarheden te vinden.
De toegang tot AI-modellen beperkt zich niet tot verdedigers, maar geldt ook voor kwaadwillenden die dezelfde mogelijkheden kunnen gebruiken om nieuwe zero-days te vinden en te weaponizen en zo de pool van haalbare doelen met minimale inspanning uit te breiden.
Volgens inzichten van Google Threat Intelligence Group (GTIG) is het aantal maandelijks openbaar gemaakte kwetsbaarheden meer dan verdubbeld, van 5.045 in januari 2026 naar 10.740 in augustus 2026. Het aantal kwetsbaarheden dat als hoog risico werd geclassificeerd steeg van 131 onthullingen in januari 2026 naar 350 in augustus 2026, een groei van 167%.
“De brede beschikbaarheid van AI-gedreven cybertools heeft vrijwel zeker geleid tot een significante toename in de ontdekking van zero-day kwetsbaarheden,” zei het Britse National Cyber Security Centre (NCSC) in een beoordeling die dinsdag werd gepubliceerd.
“Defensieve AI-cybertools hebben het venster verkleind waarin een kwetsbaarheid van zero-day naar een N-day kwetsbaarheid gaat, en hebben patchen een sneller proces gemaakt. Echter, zonder correcte en wijdverspreide configuratie van deze technologie, zijn veel systemen nog steeds kwetsbaar voor aanvallers die AI-cybertools gebruiken om systeemzwakheden te identificeren en uit te buiten.”
Het NCSC wees er ook op dat organisaties hun interne patch- en testprocessen zullen moeten aanpassen aan dit nieuwe tempo van kwetsbaarheidsontdekking.
“Aanvallers tonen sindsdien minder terughoudendheid om toegang te verliezen om een doel te bereiken, omdat de kosten om die toegang te vervangen minimaal zijn,” voegde het toe. “Cybercapaciteiten worden nu voor een breder scala aan activiteiten gebruikt vanwege het lagere risico, waardoor het voor tegenstanders gemakkelijker wordt om informatie te bemachtigen en operationeel te gebruiken.”
OpenAI zei dat het tempo van kwetsbaarheidsontdekking door toonaangevende modellen moet worden gecompenseerd door geautomatiseerde patchgeneratie om software te beveiligen en de exploitatieperiode te beperken.
“Met door menselijke experts geleide iteratie geloven we dat AI-gegenereerde patches functioneel correct kunnen zijn, afgestemd op bestaande codestijlen en robuust tegen varianten van aanvallen,” zei OpenAI. “Voor de nabije en middellange termijn moet toegang tot een account met beperkte rechten op een besturingssysteem dat niet up-to-date is met de nieuwste patches beschouwd worden als functioneel gelijk aan root-toegang voor een goed gefinancierde dreigingsactor.”
