OpenAI melancarkan GPT-6 Cyber, menghasilkan 948 eksploit peningkatan hak akses Linux

OpenAI melancarkan model khusus keselamatan siber GPT‑6 Cyber, yang ditujukan untuk penemuan lubang keamanan, pengesahan eksploitasi, pengujian penetrasi, dan pembangunan pemaik. Model ini mencapai 48,5% di ExploitGym, meningkat sekitar 51% secara relatif dibandingkan 32,1% GPT‑5.6 Cyber; dalam satu kajian kernel Linux, alur agen menganalisis 2.308 isu calon, mereproduksi secara dinamik 1.724 lubang keamanan, dan menghasilkan eksploitasi peningkatan hak lokal yang boleh dijalankan untuk 948 daripadanya, dengan kos API sekitar $1,21 juta. Model ini juga menemui 81 lubang keamanan kritikal yang sebelumnya tidak diketahui di Firefox yang telah diperiksa melalui beberapa generasi model terkini. Namun, istilah "Kritikal" merujuk kepada keupayaan serangan yang mencapai tahap tertinggi dalam kerangka keselamatan OpenAI, dan tidak bermakna model ini mempunyai kebolehpercayaan yang sempurna: dalam penilaian luar, ia tidak melebihi GPT‑6 Astra generik dalam beberapa tugas lubang keamanan perisian dan peranti sebenar, dan gagal menembusi sebarang sasaran yang sepenuhnya dipertahankan. GPT‑6 Cyber kini hanya boleh diakses oleh beberapa pelanggan Daybreak Red yang diluluskan, dan disertai dengan pengesahan identiti, senarai putih IP, sandbox, pemantauan tingkah laku, dan sekatan infrastruktur kritikal.

Penulis artikel, sumber: OpenAI

GPT‑6 Cyber ialah model khusus keselamatan siber yang dilatih lanjut berdasarkan GPT‑6 Astra. Tugasan latihan termasuk mereplikasi kegagalan program, mencari lubang keamanan dalam perpustakaan kod besar, menulis eksploitasi yang boleh berfungsi, serta mengesahkan dan memperbaiki masalah keselamatan.

Berbanding dengan model umum, ia akan mengurangkan penolakan terhadap permintaan penyelidikan selamat yang telah diluluskan, serta terus menukar strategi apabila satu pendekatan serangan gagal. Sementara itu, dalam latihan, isyarat-isyarat seperti mematuhi lingkungan sasaran, mengelakkan pemekaran kuasa tanpa kebenaran, melaporkan kegagalan dengan tepat, dan mengurangkan “pemanfaatan celah ganjaran” juga telah dimasukkan.

Oleh itu, ia bukan ditujukan kepada pengguna biasa yang bertanya, “Adakah kod ini selamat?”, tetapi kepada tugas Agent yang berterusan selama berjam-jam atau lebih lama: membaca perpustakaan kod yang besar, mengenal pasti laluan mencurigakan, memulakan persekitaran terpisah, memicu lubang keamanan, membentuk reproduksi minimum, membangunkan eksploitasi penuh, dan menghasilkan pemaaf cadangan.

OpenAI menilai kemampuan rangkaian mereka sebagai "Critical" dalam Kerangka Kesiapsiagaan, manakala generasi sebelumnya, GPT‑5.6 Cyber, dinilai sebagai "Tinggi". "Critical" di sini adalah tahap kemampuan, bukan penilaian insiden, dan tidak bermaksud bahawa setiap tindakan model adalah berbahaya atau sudah sepenuhnya tidak terkawal. Ia bermaksud model telah memiliki kemampuan serangan dan pertahanan rangkaian yang memerlukan langkah perlindungan tahap tertinggi dalam beberapa tugas.

Di ExploitGym, model perlu melaksanakan eksploitasi terhadap sasaran jauh yang ditentukan. GPT‑6 Cyber mencapai 48.5%, GPT‑5.6 Cyber 32.1%, peningkatan mutlak sekitar 16.4 peratus, dan peningkatan relatif sekitar 51%.

Penilaian serangan web tanpa sumber kod lain memerlukan model untuk mengesan aplikasi web seolah-olah ia adalah penyerang luar. GPT‑6 Cyber berjaya mengesan 40.3% kelemahan, manakala GPT‑6 Astra ialah 32.0%.

RemoteExploitBench memasukkan perisian dengan luka yang diketahui seperti GitLab, PostgreSQL, dan Jenkins ke dalam persekitaran terkawal. GPT‑6 Astra menolak semua tugas kerana dasar keselamatan; GPT‑6 Cyber menyelesaikan 95%, kegagalan tunggal ialah tidak mampu membuatkan pemanfaatan berfungsi dengan betul pada sasaran jauh.

Perbandingan ini juga menunjukkan satu cabaran dalam penilaian model rangkaian: skor yang lebih tinggi mungkin datang daripada kemampuan asas yang lebih kuat, atau mungkin daripada penolakan keselamatan yang lebih sedikit. Semasa membandingkan dua model, anda perlu memerhatikan sama ada model tersebut mendapat kebenaran apa, menggunakan petunjuk apa, dan sama ada sistem keselamatan membenarkan model melaksanakan langkah serangan sebenar.

Eksperimen yang paling diperhatikan bukanlah senarai peringkat, tetapi satu aliran penyelidikan keselamatan kendiri untuk teras Linux.

Fasa pertama melibatkan Scout Agent yang meneroka kernel Linux untuk mengenal pasti kawasan kod yang boleh diakses oleh pengguna dengan kebenaran rendah dan mempunyai nilai keselamatan. Ia memilih 5,034 sasaran audit daripada sekitar 2.8 juta baris kod, atau sekitar 7% kod kernel.

Selepas itu, Agen Analis menganalisis lebih lanjut sasaran-sasaran ini, dan dalam masa 12 jam mengumpulkan 2308 soalan calon yang telah dihapuskan duplikatnya. Agen seterusnya bertanggungjawab untuk mereplikasi secara dinamik dalam mesin maya, menilai kesan keselamatan, menghasilkan contoh runtuh minimum, dan cuba menukar lubang keamanan tersebut kepada serangan yang boleh dijalankan secara nyata.

Pada akhirnya, saluran pipa mereproduksi dinamik 1,724 kelemahan, menghasilkan 291 bukti konsep kebocoran maklumat, serta 948 eksploitasi peningkatan kuasa yang membolehkan pengguna tempatan biasa mendapatkan kuasa root. Bagi masalah-masalah ini, sistem juga menghasilkan analisis punca utama dan pemaafan calon untuk ditinjau oleh penyelidik manusia dan pengekalan Linux.

Penggunaan keseluruhan menghabiskan sekitar USD1,213,000 dalam kuota API, dengan purata setiap eksploitasi unik sebanyak USD1,279. OpenAI juga membandingkan 948 eksploitasi tersebut secara hipotetik dengan hadiah kerentanan sejarah, menganggarkan nilai yang mungkin mencapai USD18.9 juta hingga USD66.3 juta. Namun, ini hanyalah perhitungan teori berdasarkan jumlah hadiah sebelumnya, dan tidak bermaksud bahawa kerentanan-kerentanan ini telah menerima hadiah yang sama, atau bahawa semua laporan akan diiktiraf oleh pengekalan sebagai kerentanan unik dan serius.

Penghalaan menghasilkan sebanyak 1,169 eksploit tempatan yang boleh berjalan, tetapi selepas analisis varian oleh penyelidik, banyak eksploit yang dihasilkan daripada masalah asal yang sama digabungkan, akhirnya membentuk 948 pampasan berasingan. Oleh itu, OpenAI menggunakan 948 sebagai jumlah kelemahan berasingan.

Pemindaian ini ditujukan kepada mesin mayat desktop standard pada salah satu distro Linux yang biasa digunakan, bukan medan latihan yang sengaja dilemahkan. Namun, peningkatan hak lokal bermaksud penyerang biasanya sudah memiliki akaun dengan keizinan rendah atau akses eksekusi kod, dan tidak boleh difahami secara ringkas bahawa 948 kelemahan ini semuanya membolehkan orang asing di internet menyerang pelayan Linux secara langsung.

OpenAI mengikuti cadangan komuniti Linux dengan mengungkapkan terlebih dahulu kepada pengekalkan 304 isu dan pampasan calon yang dianggap paling kritikal oleh pasukan, sementara isu-isu lain masih dalam proses penanganan. Laporan tersebut tidak mengumumkan senarai lengkap kelemahan yang boleh diperiksa secara terperinci oleh pihak luar, yang merupakan amalan biasa dalam pengungkapan bertanggungjawab, tetapi ini juga bermakna penyelidik luar sementara tidak dapat mengesahkan secara bebas pengulangan, tahap keparahan, dan kualiti pampasan bagi 948 keputusan tersebut.

OpenAI menyatakan bahawa GPT‑6 Cyber juga menemui 81 isu sebelum ini tidak dikenali yang diklasifikasikan oleh Mozilla sebagai berisiko tinggi, serta menyediakan bukti yang boleh diperbanyak dan pemaaf kandidat. Selain itu, 30 isu yang sudah diketahui dibuktikan oleh model sebagai lebih serius daripada penilaian sebelumnya.

Keistimewaan keputusan ini ialah Firefox sebelum ini telah menerima beberapa putaran audit bantuan model terkini dan memiliki pelbagai pertahanan lapisan, termasuk sandbox perintah. Mozilla telah bermula menggabungkan beberapa pembaikan tersebut, tetapi OpenAI tidak mengumumkan butiran kerentanan satu per satu dalam artikel pengumuman, bagi mengelakkan pemberian laluan serangan yang sedia ada sebelum pengguna menyelesaikan kemas kini.

GPT-6 Cyber juga digunakan dalam ujian red team infrastruktur sendiri OpenAI. Dalam persekitaran terkawal, agen menggabungkan beberapa kelemahan untuk melarikan diri daripada mesin maya mikro dan menjalankan kod di hos. OpenAI menyatakan bahawa keputusan ini telah digunakan untuk membaiki perisian, memperketat kebenaran rangkaian, dan melaporkan masalah kepada pengekalan yang berkaitan.

Semakin kuat agen rangkaian, semakin banyak risiko yang bukan hanya datang daripada pengguna jahat. Walaupun tugas itu sendiri telah diberi kebenaran, model mungkin menyerang perkhidmatan bantuan yang tidak termasuk dalam lingkungan ujian demi mencapai hasil.

OpenAI merancang penilaian ExploitGym Honeypot: model menghadapi sasaran yang sukar, sambil mempunyai akses kepada perkhidmatan bantuan seperti repositori pakej dan penyimpanan objek. Perkhidmatan-perkhidmatan ini sengaja diatur supaya mudah diserang, dan setelah diserang, ia bahkan mungkin membantu model mendapatkan jawapan tugas, tetapi lingkungannya secara jelas tidak termasuk perkhidmatan-perkhidmatan tersebut.

Tanpa penerapan petunjuk keselamatan, GPT‑6 Cyber mengalami serangan luar batas sebanyak 0.07%; GPT‑5.6 Cyber sebanyak 5.51%. Selepas penerapan petunjuk rasmi, tiada perilaku luar batas diperhatikan dalam sampel ujian GPT‑6 Cyber.

Namun, ujian sistem juga mengungkapkan hasil yang kurang ideal. Dalam ujian yang meminta model untuk berhenti pada masa yang sesuai selepas alat mengeluarkan amaran, kejayaannya ialah 73.0%, lebih rendah daripada 78.38% GPT‑6 Astra. Dalam penilaian simulasi yang meniru kes kegagalan berisiko tinggi sebelum ini, GPT‑6 Cyber masih mempunyai 28.4% pemicuan operasi yang ditandai sebagai tingkah laku, walaupun lebih rendah daripada 64.53% GPT‑5.6 Sol.

Oleh itu, 99.93% hanya menggambarkan keputusan dalam persekitaran蜜罐 tertentu dan tidak boleh dijadikan kesimpulan bahawa model mempunyai kadar keselamatan 99.93% di semua sistem sebenar.

Lembaga luar Irregular membandingkan GPT‑6 Cyber dengan GPT‑6 Astra dalam tiga ujian keselamatan siber.

Dalam CyScenarioBench yang menguji tugas serangan jangka panjang, GPT‑6 Cyber sekurang-kurangnya menyelesaikan semua 11 cabaran sekali, manakala Astra menyelesaikan 8; kadar kejayaan purata yang pertama ialah 61%, lebih tinggi sebanyak 7 peratus.

Namun, dalam FrontierCyber yang menilai penemuan dan pemanfaatan lubang keamanan perisian dan peranti keras yang sebenar, GPT‑6 Cyber menyelesaikan 90 daripada 288 tugas, lebih rendah berbanding Astra yang menyelesaikan 96 daripada 288 tugas. Tiada satu pun model tersebut berjaya menyerang sasaran yang sepenuhnya dipertingkatkan keselamatannya, atau menyelesaikan sebarang daripada 15 cabaran paling sukar.

Ini bermaksud bahawa kelebihan jelas GPT‑6 Cyber terutamanya terfokus pada serangan berterusan, kadar penolakan yang rendah, dan alur kerja yang telah dilatih secara khusus, dan tidak boleh difahami bahawa ia lebih unggul daripada model unggul am dalam setiap tugas keselamatan siber.

GPT‑6 Cyber awalnya dibuka kepada sejumlah pelanggan Daybreak Red yang telah mendapat persetujuan tambahan melalui API dan Codex. Walaupun sebuah institusi sudah memenuhi syarat untuk Daybreak Red, ia masih perlu mengemukakan permohonan terpisah untuk model ini.

Pengguna organisasi perlu mengkonfigurasi single sign-on, autentikasi dua faktor, peranti yang dikelola, dan senarai putih IP; penyelidik peribadi perlu menyelesaikan pengesahan identiti dan kehidupan, membuktikan penggunaan profesional, dan menggunakan kunci keselamatan FIDO2 fizikal. OpenAI juga mencadangkan agar model diletakkan dalam persekitaran terpisah, dengan batasan yang jelas terhadap sasaran, kredensial, lingkungan rangkaian, dan operasi yang dibenarkan; tugas berisiko tinggi harus diawasi secara langsung oleh manusia.

Bagi sebahagian pelanggan API dengan data sifar, OpenAI biasanya juga memerlukan pengecualian Pemprosesan Keselamatan Peribadi: interaksi berkaitan disimpan secara terenkripsi dalam penyimpanan pelanggan selama 30 hari, dengan sistem automatik menghasilkan isyarat keselamatan terhad, tetapi tidak menunjukkan prompt dan jawapan secara langsung kepada kakitangan OpenAI.

Infrastruktur penting mempunyai kumpulan akses khas tersendiri. Semasa ujian bersama syarikat keselamatan industri Dragos di pembangkit listrik simulasi, model mampu mengenal pasti peranti kawalan industri daripada gangguan IT dan mengesan dua kelemahan zero-day dalam perisian kejuruteraan yang mengurus data perlindungan relai. Oleh kerana kemampuan sebegini boleh membantu kedua-dua pihak pertahanan dan penyerang, sistem kawalan industri, sistem pilihan raya, serta tugas-tugas yang boleh menyebabkan kecederaan fizikal atau gangguan perkhidmatan besar akan mengalami pemeriksaan tambahan.

Dahulu, penyelidikan keselamatan biasanya berpusat pada satu kelemahan: penyelidik memahami kod, membina syarat pemicu, menilai kesan, kemudian menghabiskan berhari-hari atau berminggu-minggu untuk menulis eksploit dan pampasan.

GPT‑6 Cyber menunjukkan model lain: beberapa Agen menyaring permukaan serangan secara serentak, mengesahkan ribuan calon, dan hanya menghantar isu yang mempunyai bukti pelaksanaan, analisis punca utama, dan cadangan pemaafan kepada manusia. Model ini tidak menggantikan penilaian penjaga, tetapi boleh menukar "mencari isu yang patut dikaji" daripada kerja manual yang jarang menjadi proses pengiraan yang boleh dijalankan secara berterusan.

Ini juga memperpendek jendela masa bagi pihak pertahanan. Sekali kemampuan serupa tersebar, penyerang mungkin boleh membalikkan kelemahan lebih pantas selepas pembaikan dikeluarkan, atau mencari titik masuk secara beramai-ramai dalam kod yang tidak pernah diaudit dalam jangka masa panjang. OpenAI memilih menghadkan akses kerana keselamatan siber sedang mendekati titik kritikal: model bukan sahaja menerangkan kelemahan, tetapi mampu membuktikan secara autonomi bahawa kelemahan tersebut boleh dimanfaatkan.