Voltar
Daybreak Red is now available in AWS GovCloud (US-East) — Cover

0-day: openAI usa pipeline autônomo para corrigir 948 vulnerabilidades no Linux

Aprofundamento CEVIU

Aprofundamento

A OpenAI descreveu um pipeline autônomo que descobre, valida, explora e gera patches para falhas no kernel do Linux. O resultado central: em uma execução de meados de outubro de 2026, com um modelo de cibersegurança ainda não lançado, o sistema reproduziu 1.724 vulnerabilidades e produziu 948 exploits funcionais de escalonamento de privilégios locais (LPE), contra uma distribuição Linux comum. O custo total foi de US$ 1.213.430 em créditos de API, cerca de US$ 1.279 por exploit LPE. Nas regras do projeto, o termo 0-day aparece como referência a falhas ainda desconhecidas, e a fonte compara o resultado com os 26 exploits 0-day de LPE aceitos pelo kernelCTF em 2026. Vale separar: o texto é uma pesquisa da OpenAI, não um produto disponível, e o modelo usado é descrito como "upcoming".

O pipeline tem cinco etapas: descoberta (agentes Scout selecionaram 5.034 alvos, cerca de 7% do código, a US$ 3.426; agentes Analyst geraram 2.308 achados em 12 horas, a US$ 316.549), validação dinâmica em VM com KASAN (1.724 reproduzidos em 30 horas, cerca de 74,7%, a US$ 73.330), avaliação de explorabilidade (US$ 775.929 no total, com proteções como SMEP, SMAP, KASLR e HARDENED_USERCOPY ligadas), geração de patches e revisão humana. A própria OpenAI diz que os custos são um limite superior, pois o foco foi medir capacidade, não otimizar gasto. Outra ressalva: os patches são candidatos para revisão dos mantenedores, e o ambiente era controlado de pesquisa.

O que mudou

Em 23 de junho de 2026, o CEVIU noticiou "OpenAI amplia o Daybreak para automatizar correções de vulnerabilidades", com o GPT-5.5-Cyber e a iniciativa Patch the Planet. A fonte atual lembra que, em junho, esse trabalho tinha resultado em 24 exploits LPE no kernel. Agora o processo virou um pipeline completo, com 948 exploits em uma única execução. A fonte também afirma que o modelo novo achou mais de 5 vezes mais LPEs inéditos do que uma execução do GPT-5.6 Sol em julho, apesar de três meses de endurecimento do código entre as varreduras. Em 22 de outubro de 2026, o CEVIU já havia coberto, em "Patch the Planet: IA da OpenAI ajuda a achar falhas críticas no PHP antes dos atacantes", outro uso da iniciativa, em PHP.

Por que isso importa

Para quem opera servidores e infraestrutura Linux, a leitura é direta: a própria OpenAI diz que uma conta de baixo privilégio em sistema desatualizado deve ser tratada como equivalente a root para um atacante com recursos. Isso pesa a favor de atualização rápida e de isolamento (Firecracker, gVisor). Para quem trabalha com IA aplicada à segurança, o dado útil é o gargalo: descobrir ficou barato, triar e validar é que custa. Os números de custo por etapa servem de referência, mas vêm de um modelo ainda não disponível.

Linha do tempo

  1. OpenAI amplia o Daybreak com GPT-5.5-Cyber e a iniciativa Patch the Planet.

  2. Patch the Planet ajuda a achar falhas críticas no PHP.

  3. OpenAI apresenta o pipeline que gera 948 exploits de escalonamento de privilégio no Linux.

  4. Pipeline autônomo da OpenAI valida e gera patches para 948 vulnerabilidades LPE no Linux.

Perguntas frequentes

Quantas vulnerabilidades o pipeline da OpenAI encontrou no Linux?

Os agentes geraram 2.308 achados candidatos e reproduziram dinamicamente 1.724 vulnerabilidades. Desses, saíram 948 exploits LPE funcionais e 291 provas de conceito de vazamento de informação. Os 948 correspondem a patches distintos desenvolvidos.

Quanto custou a execução?

O custo total foi de US$ 1.213.430 em créditos de API, ou cerca de US$ 1.279 por exploit LPE. A etapa mais cara foi a de exploração, com US$ 775.929. A OpenAI afirma que esses valores são um limite superior, porque não otimizou custo.

O pipeline já está disponível para o público?

Não pelo que a fonte descreve. Trata-se de um protótipo de pesquisa, rodado em ambiente controlado com um modelo de cibersegurança ainda por vir. Humanos revisaram os resultados antes de reportar as falhas e os patches aos mantenedores.

Como a OpenAI evitou resultados irreais?

Os exploits foram testados em VMs com desktop padrão, não em alvo enfraquecido, com proteções como SMEP, SMAP, KASLR e HARDENED_USERCOPY ativas. O modelo de ameaça é o de competições como Pwn2Own e TyphoonPWN.

Fontes

Avalie este artigo:
Categoria
CEVIU IA
Publicado
05 de novembro de 2026
Editoria
CEVIU IA

Quer receber mais sobre CEVIU IA?

Conteúdo curado diariamente, direto no seu e-mail.

Conteúdo curado diariamenteDiversas categoriasCancele quando quiser