Linux privilege escalation pipeline liefert 948 Exploits
Die Forschung von OpenAI zu Linux privilege escalation brachte während eines 30-stündigen Laufs 948 funktionsfähige Exploits hervor und zeigte damit, wie schnell fortgeschrittene künstliche Intelligenz inzwischen schwerwiegende Schwachstellen in Betriebssystemen finden und reproduzieren kann. local privilege escalation (LPE) ist eine Sicherheitslücke, durch die jemand mit eingeschränktem Zugriff auf einen Computer umfangreichere Berechtigungen erlangen und möglicherweise root access erreichen kann, die höchste Kontrollebene auf einem Linux-System.
OpenAI teilte am Mittwoch mit, dass sein Prototyp 2.308 potenzielle Funde im Linux kernel untersucht habe, der zentralen Software, die Arbeitsspeicher, Hardware und laufende Programme eines Linux-Systems verwaltet. Er reproduzierte 1.724 Schwachstellen dynamisch, löste die Fehler also in einer laufenden Testumgebung aus, statt sie lediglich durch das Lesen des Quellcodes zu beurteilen. Anschließend erstellte das System 948 LPE-Exploits, die es einem lokalen Benutzer ohne besondere Berechtigungen ermöglichen konnten, root access zu erlangen. Ein Exploit ist Code oder eine Abfolge von Aktionen, die eine Schwachstelle ausnutzt, um ein unbeabsichtigtes Ergebnis herbeizuführen.
Die Arbeit baut auf einer im Juni 2026 veröffentlichten Untersuchung auf, bei der OpenAI mitgeteilt hatte, sein Modell GPT-5.5-Cyber habe 24 LPE-Exploits entdeckt. Für das neuere Projekt wandelte das Unternehmen diesen Prozess in eine agentic pipeline um, in der AI agents eine Folge miteinander verbundener Aufgaben mit festgelegten Zielen ausführen und ihre Ergebnisse an die nächste Stufe weitergeben. Der Lauf Mitte Oktober 2026 verwendete ein bevorstehendes, auf Cybersecurity ausgerichtetes Modell und zielte auf eine weitverbreitete Linux-Distribution ab, wobei OpenAI die Distribution nicht nannte.
Die pipeline bestand aus fünf Stufen. Während der Schwachstellensuche wählten agents sicherheitsrelevante Teile des Codes aus, auf die Benutzer mit geringen Berechtigungen zugreifen konnten, und suchten dort nach möglichen Fehlern. Bei der dynamischen Validierung wurde versucht, jeden Fund in einer sandbox zu reproduzieren, einer isolierten Umgebung, die potenziell schädliche Aktivitäten einschließen soll, während gleichzeitig Beweise aus dem laufenden System erhalten bleiben. Die Bewertung der Ausnutzbarkeit prüfte, ob bestätigte Fehler Informationen offenlegen oder LPE ermöglichen könnten, und erzeugte ein proof of concept (PoC), also Demonstrationscode, der zeigt, dass eine Schwachstelle ausgenutzt werden kann.
In der vierten Stufe erzeugten agents vorgeschlagene Patches, also Softwareänderungen zur Behebung von Schwachstellen. Die letzte Stufe blieb unter menschlicher Leitung: Sicherheitsforscher überprüften den Exploit, den Patch und den vorgeschlagenen Schweregrad, bevor sie das Problem den zuständigen Maintainern meldeten. Diese menschliche Prüfung ist wichtig, weil Code, der einen einzelnen Test scheinbar erfolgreich stoppt, allein noch nicht belegt, dass ein Patch korrekt, mit der bestehenden Codebasis kompatibel oder gegen Varianten eines Angriffs widerstandsfähig ist.
Während des 30-stündigen Laufs reproduzierte die pipeline 1.724 Schwachstellen und erzeugte PoCs für 291 Schwachstellen, die Informationen offenlegen, sowie die 948 funktionsfähigen LPE-Exploits. OpenAI meldete Gesamtkosten von 1.213.430 US-Dollar in Guthaben für die application programming interface (API), was 1.279 US-Dollar pro LPE-Exploit entspricht. Eine API ist eine festgelegte Methode, über die Software Dienste von einem anderen System anfordert, in diesem Fall den Zugriff auf das AI-Modell.
OpenAI geht davon aus, dass die agents mindestens zehn zuvor unbekannte Techniken zur Ausnutzung von Linux entdeckt und eingesetzt haben. Dazu gehörten zwei neue persistent elastic objects für das spraying von objects in einen gezielt ausgewählten kernel cache, wobei ein bestimmter Bereich des kernel memory wiederholt mit ausgewählten objects gefüllt wird; zwei page-grooming-Techniken, mit denen der Speicher so angeordnet werden soll, dass Exploits zuverlässiger funktionieren; sowie fünf data-only-Methoden, um entweder direkt oder über einen arbitrary write erhöhte Berechtigungen zu erlangen. Ein arbitrary write bezeichnet die Fähigkeit, vom Angreifer ausgewählte Daten an einer unbeabsichtigten Speicheradresse abzulegen. Die zehnte Technik nutzte arbitrary type confusion, bei der Software Daten als falschen Objekttyp behandelt und dadurch unbeabsichtigte Speicheroperationen ausführt.
Die Ergebnisse veranschaulichen beide Seiten der AI-gestützten Sicherheitsforschung. Verteidiger können die Suche nach Schwachstellen, deren Validierung und die Erstellung von Patches beschleunigen. Bevor ein vorgeschlagener Fix einsatzbereit ist, können jedoch weiterhin zusätzliche Anweisungen, weitere Durchläufe und eine fachkundige Prüfung erforderlich sein. OpenAI argumentierte, dass die Verbindung einer schnelleren Suche mit automatisierter Patch-Erzeugung den Zeitraum verkürzen könnte, in dem Systeme ungeschützt bleiben, und großflächige Ausnutzung für Angreifer kostspieliger machen könnte.
Dieselben Fähigkeiten stehen auch böswilligen Benutzern zur Verfügung. In einem im vergangenen Monat veröffentlichten Bericht bezeichnete VulnCheck die AI-gestützte Suche nach Schwachstellen als wachsende Risikokategorie, weil sie unerfahrenen Hackern mit geringen oder gar keinen technischen Kenntnissen ermöglichen kann, Softwarefehler zu erkennen. Solche Tools können Angreifern außerdem dabei helfen, zero-day vulnerabilities zu entdecken und für Angriffe nutzbar zu machen. Dabei handelt es sich um Schwachstellen, die ausgenutzt werden oder nutzbar sind, bevor ein wirksamer Fix verfügbar ist. Gleichzeitig steigt die Zahl der Systeme, die als lohnende Ziele infrage kommen.
Die Google Threat Intelligence Group berichtete, dass sich die monatliche Zahl der veröffentlichten Schwachstellen im Verlauf des Jahres 2026 mehr als verdoppelt habe und von 5.045 im Januar auf 10.740 im August gestiegen sei. Die Zahl der als hochriskant eingestuften Veröffentlichungen nahm im selben Zeitraum von 131 auf 350 zu, was einem Wachstum von 167 % entspricht. Diese Zahlen erfassen veröffentlichte Schwachstellen und belegen nicht, dass AI für jede Zunahme verantwortlich war. Sie zeigen jedoch das wachsende Volumen, das Software-Maintainer und IT-Teams verarbeiten müssen.
In einer am Dienstag veröffentlichten Bewertung erklärte das britische National Cyber Security Centre, die breite Verfügbarkeit AI-gestützter Cyber-Tools habe mit nahezu vollständiger Sicherheit zu einem erheblichen Anstieg bei der Entdeckung von zero-day vulnerabilities geführt. Es stellte außerdem fest, dass defensive Tools die Zeit verkürzt haben, die eine Schwachstelle benötigt, um vom zero-day-Status zu einer N-day vulnerability zu werden, also zu einer öffentlich bekannten Schwachstelle, für die möglicherweise bereits ein Patch verfügbar ist. Das Patching ist schneller geworden, doch das NCSC warnte, dass Systeme weiterhin ungeschützt bleiben, wenn defensive Technologie nicht korrekt konfiguriert oder nicht flächendeckend eingesetzt wird.
Das NCSC erklärte, Organisationen müssten ihre internen Patching- und Testprozesse an die höhere Entdeckungsgeschwindigkeit anpassen. Es kam außerdem zu dem Schluss, dass Angreifer weniger vorsichtig mit dem möglichen Verlust des Zugriffs auf kompromittierte Systeme umgehen, weil AI die Kosten für die Wiederbeschaffung dieses Zugriffs senken kann. Das geringere Risiko und die niedrigeren Kosten haben das Spektrum der Aktivitäten erweitert, für die Cyberfähigkeiten eingesetzt werden. Dadurch können Gegner leichter Informationen beschaffen und für operative Zwecke nutzen.
OpenAI erklärte, dass die Schwachstellensuche durch frontier models, also die leistungsfähigste aktuelle Generation von AI-Systemen, mit automatisierter Patch-Erzeugung einhergehen müsse. Das Unternehmen erwartet, dass AI-generierte Patches funktional korrekt, mit dem Programmierstil eines bestehenden Projekts vereinbar und gegen Angriffsvarianten widerstandsfähig werden können, wenn menschliche Fachleute sie durch wiederholte Prüfungen begleiten. Für die nahe und mittlere Zukunft warnte das Unternehmen, dass die Bereitstellung eines Kontos mit geringen Berechtigungen auf einem Betriebssystem ohne die neuesten verfügbaren Patches für einen gut ausgestatteten Angreifer praktisch so behandelt werden sollte, als würde diesem Angreifer root access gewährt.
Organisationen, die ihre Systeme und Patching-Prozesse an dieses schnellere Umfeld anpassen, unterstützt AEU-I mit sicherheitsorientierter IT, Infrastruktur und Beratung.