OpenAI ha presentato il 4 novembre 2026 i risultati di una sperimentazione dedicata all’individuazione automatizzata delle vulnerabilità di sicurezza nel kernel Linux, realizzata attraverso una pipeline di agenti di intelligenza artificiale e un modello specializzato per la cybersecurity ancora in fase di sviluppo. Durante una campagna di ricerca condotta a metà ottobre, il sistema ha identificato 948 vulnerabilità distinte di local privilege escalation, ossia condizioni che possono consentire a un utente locale privo di privilegi amministrativi di ottenere l’accesso root. La sperimentazione si è svolta in macchine virtuali isolate con un sistema operativo desktop standard e con le protezioni SMEP, SMAP, KASLR e HARDENED_USERCOPY abilitate. La scelta del kernel Linux, che comprende oltre 40 milioni di righe di codice ed è utilizzato in infrastrutture cloud, dispositivi Android e supercomputer, ha consentito di valutare la capacità dei modelli di affrontare un progetto software di grandi dimensioni e con requisiti di sicurezza elevati.
L’architettura della pipeline organizza l’attività in fasi successive di selezione, analisi, verifica dinamica, valutazione della sfruttabilità e preparazione delle correzioni. Gli agenti Scout individuano le porzioni di codice raggiungibili da utenti con privilegi limitati e considerate rilevanti dal punto di vista della sicurezza. Gli agenti Analyst esaminano questi obiettivi per individuare possibili vulnerabilità, mentre gli agenti Triage producono e perfezionano prove di concetto all’interno di macchine virtuali dotate di Kernel Address Sanitizer. Le evidenze vengono quindi verificate attraverso l’esecuzione effettiva del codice, anziché affidarsi esclusivamente a valutazioni statiche. Per ogni vulnerabilità confermata, la pipeline può produrre un insieme di materiali comprendente l’analisi della causa, una prova minima capace di riprodurre il problema, una proposta di patch e un exploit dimostrativo. Le attività restano inserite in un processo di ricerca difensiva nel quale gli esperti umani verificano i risultati prima della segnalazione ai manutentori.
Nel corso della sperimentazione gli agenti Scout hanno selezionato 5.034 obiettivi, corrispondenti a circa 2,8 milioni di righe di codice e al 7% del kernel. Nelle prime dodici ore gli agenti Analyst hanno prodotto 2.308 segnalazioni candidate dopo la rimozione dei duplicati, mentre entro trenta ore la verifica dinamica aveva riprodotto 1.724 vulnerabilità. Per una parte delle segnalazioni residue erano necessari privilegi elevati oppure non è stato possibile ottenere una riproduzione entro il tempo disponibile; soltanto il 3,1% dei casi è stato attribuito a errori dell’analisi del modello. La fase successiva ha generato 291 prove di concetto relative alla divulgazione di informazioni e 1.169 exploit funzionanti di escalation locale dei privilegi. L’analisi delle varianti ha successivamente individuato 948 problemi distinti, ciascuno associato a una proposta di correzione. Il numero delle vulnerabilità uniche è quindi inferiore al numero degli exploit prodotti e non coincide con il numero delle patch già accettate o integrate nel kernel.
La revisione umana ha evidenziato alcune criticità metodologiche. In una prima esecuzione, 20 exploit su 200 considerati riusciti avevano ottenuto l’accesso root sfruttando una vulnerabilità differente da quella assegnata, rendendo necessario introdurre verifiche indipendenti del percorso effettivamente utilizzato. Anche le patch generate automaticamente potevano includere codice superfluo, modifiche non conformi alle convenzioni del progetto, potenziali regressioni prestazionali oppure una copertura incompleta delle varianti. OpenAI ha quindi perfezionato le istruzioni e il processo di verifica, mantenendo il controllo umano sulle segnalazioni, sulla valutazione della gravità e sulle correzioni. Al termine della ricerca erano state individuate 61 vulnerabilità già corrette upstream, 43 con patch in preparazione e 299 già oggetto di segnalazioni o discussioni pubbliche. La società ha trasmesso centinaia di segnalazioni e patch relative ai problemi critici e intende distribuire progressivamente le restanti attraverso la collaborazione con i partner del programma Patch the Planet, nell’ambito dell’iniziativa Daybreak avviata con Trail of Bits nel giugno 2026.
Il confronto con una precedente sperimentazione condotta a fine luglio utilizzando GPT-5.6 Sol evidenzia una crescita del numero delle vulnerabilità individuate, passate da 166 a 948, a fronte di un aumento dei costi di ricerca da 513.690 a circa 1,213 milioni di dollari in crediti API. Il costo medio della campagna di ottobre corrisponde a circa 1.279 dollari per vulnerabilità unica, valori che OpenAI considera limiti superiori poiché l’esperimento non era stato ottimizzato per minimizzare le spese. In un’ulteriore prova basata su kernelCTF adattato, la pipeline ha prodotto 25 prove di divulgazione di informazioni e 21 exploit di escalation dei privilegi in 112 ore, con un costo di circa 32.936 dollari in crediti API. L’eventuale valore di circa 1,5 milioni di dollari in ricompense resta ipotetico ed è subordinato all’accettazione di tutte le vulnerabilità secondo le regole del programma. I risultati mostrano quindi un incremento significativo della capacità di generare e verificare segnalazioni di sicurezza, ma confermano anche la necessità di mantenere procedure indipendenti di validazione, coordinamento delle divulgazioni e revisione delle patch prima della loro integrazione nei sistemi utilizzati in produzione.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)