Introduzione e contesto della scoperta
Il 4 novembre 2026 OpenAI ha pubblicato il rapporto A thousand fewer paths to root, in cui si annuncia la generazione di 948 exploit Linux funzionanti, ognuno capace di fornire privilegi di root a un utente locale privo di privilegi. La scoperta è il risultato di una catena di agenti AI, orchestrata da un modello di cybersicurezza ancora in fase di sviluppo interno.
Il documento non specifica né il nome del modello né la distribuzione Linux presa di mira, ma spiega la scelta del kernel Linux come bersaglio: è il cuore di Android, dell’infrastruttura cloud e dei supercomputer, con oltre 40 milioni di righe di codice che offrono una superficie d’attacco estremamente ampia, includendo chiamate di sistema, rete, file system e driver.
Come la catena di OpenAI produce gli exploit Linux
Le cinque fasi operative
- Scoperta: gli agenti identificano parti del kernel accessibili da utenti con pochi privilegi e cercano possibili falle.
- Convalida dinamica: ogni segnalazione viene riprodotta in una macchina virtuale isolata, con raccolta delle prove di esecuzione.
- Valutazione dello sfruttamento: si verifica se la falla consente fuga di informazioni o escalation dei privilegi (LPE) e si scrive un exploit dimostrativo.
- Generazione delle correzioni: gli agenti producono una patch per ciascuna vulnerabilità.
- Revisione umana: ricercatori verificano exploit, patch e gravità prima di segnalare il problema ai manutentori.
Le macchine di prova erano configurate con un sistema desktop standard e proteggevano le tipiche difese delle distribuzioni: SMEP, SMAP, KASLR e HARDENED_USERCOPY. Durante la convalida, il kernel girava con KASAN, il rilevatore di errori di memoria.
I numeri dell’esecuzione di ottobre
Il rapporto fornisce una dettagliata ripartizione dei costi in crediti API per ogni fase:
- Scelta dei bersagli: 5 034 bersagli, circa 2,8 milioni di righe di codice (7 % del kernel) per un costo di 3 426 $;
- Analisi: 2 308 segnalazioni candidate prodotte in 12 ore, per 316 549 $;
- Convalida: 1 724 vulnerabilità riprodotte in 30 ore (74,7 % delle candidate) per 73 330 $;
- Selezione: 313 candidate per fuga di informazioni e 1 238 per escalation dei privilegi, per 44 194 $;
- Sviluppo degli exploit: 291 dimostrazioni di fuga di informazioni e 1 169 exploit per escalation dei privilegi, per 775 929 $.
Le 30 ore citate riguardano esclusivamente la fase di convalida, non l’intera esecuzione. Solo il 3,1 % delle segnalazioni derivava da un’analisi errata del modello; gli altri casi non riprodotti richiedevano privilegi elevati o condizioni difficili da provocare, come corse critiche tra processi.
Discrepanze nei conteggi e costi complessivi
Il rapporto contiene due cifre per gli exploit LPE: 1 169 exploit funzionanti, ma il sommario ne cita 948. La differenza è dovuta all’analisi delle varianti, che ha ridotto i casi a 948 correzioni distinte, numero che OpenAI utilizza per contare le vulnerabilità uniche.
Il costo totale della campagna è stato di 1 213 430 $**, pari a 1 279 $ per exploit secondo OpenAI. L’azienda considera queste cifre un limite superiore, affermando che una migliore ingegnerizzazione potrebbe ridurre i costi di ciascuna fase.
Confronto con i premi tradizionali per vulnerabilità
OpenAI confronta i propri costi con i premi storici dei concorsi di hacking:
- Pwn2Own: 20 000 $ per un exploit LPE nel kernel Linux;
- TyphoonPWN: 70 000 $ per lo stesso tipo di exploit.
Moltiplicando per i 948 exploit, il valore ipotetico varia da 18,9 a 66,3 milioni di dollari, ovvero da 16 a 55 volte il costo sostenuto da OpenAI, suggerendo che “con i modelli attuali la catena è stata redditizia al momento della ricerca”.
Nel programma di premi kernelCTF di Google, che utilizza un kernel a superficie ridotta, la catena ha prodotto 25 dimostrazioni di fuga di informazioni e 21 exploit LPE in 112 ore, con un costo di circa 32 936 $. Nel 2026 il programma ha accettato 26 exploit LPE zero‑day confermati; se avesse accettato tutti i 21, il premio totale sarebbe stato circa 1,5 milioni di dollari, circa 45 volte il costo sostenuto.
Errori, limiti e nuove tecniche di sfruttamento
Il rapporto individua quattro elementi che ridimensionano il quadro:
- Nuove tecniche: almeno dieci tecniche di sfruttamento, giudicate inedite da esperti esterni, sono state usate in 166 exploit campionati. Esse includono due oggetti persistenti per riempire la cache del kernel, due tecniche per preparare la memoria, cinque che alterano soltanto dati e una di confusione di tipo arbitraria. I dettagli sono omessi per motivi di sicurezza.
- Zero‑day sbagliato: nella prima esecuzione la fase di sviluppo segnalava 200 exploit riusciti; dopo la revisione umana, 20 di essi avevano ottenuto il root con un zero‑day diverso da quello assegnato. L’azienda ha introdotto controlli indipendenti più stringenti.
- Difetto nell’infrastruttura di prova: nella campagna kernelCTF gli agenti hanno sfruttato una vulnerabilità di QEMU TCG già corretta a monte, ma non nella versione usata nell’esperimento.
- Qualità delle patch: le prime patch fermavano la dimostrazione ma aggiungevano codice superfluo, si discostavano dallo stile del kernel o ignoravano varianti della stessa falla. Iterazioni aggiuntive e istruzioni più dettagliate hanno migliorato la qualità; in alcuni casi il prototipo ha identificato difetti in patch di esperti umani, corretti prima dell’integrazione.
Interazione con i manutentori del kernel
La scansione ha riguardato il ramo principale del kernel di metà ottobre 2026. Dopo 10 giorni di analisi automatica e manuale, sono emerse:
- 61 vulnerabilità LPE già corrette a monte;
- 43 vulnerabilità con correzioni in preparazione;
- 299 vulnerabilità segnalate o discusse pubblicamente.
Su indicazione della comunità del kernel, OpenAI ha iniziato a segnalare le vulnerabilità critiche, inviando centinaia di report con le relative patch. Le restanti segnalazioni saranno inviate in collaborazione con il progetto Patch the Planet. Il rapporto ricorda che il modello GPT‑5.5‑Cyber aveva già sviluppato 24 exploit LPE sul kernel Linux; la campagna di ottobre ha ampliato notevolmente quel lavoro.
Confronto con campagne precedenti
Una precedente campagna, condotta a fine luglio 2026 con il modello GPT‑5.6 Sol, aveva prodotto 166 LPE a un costo di 513 690 $, mentre quella di ottobre ne ha trovate 948, più di cinque volte il risultato precedente, nonostante tre mesi di rafforzamento del kernel nel frattempo.
Il contesto più ampio: aumento delle vulnerabilità divulgate e sfruttate
Il Google Threat Intelligence Group (GTIG) ha analizzato le vulnerabilità divulgate da gennaio 2025 ad agosto 2026 nello studio Vulnerability Discovery and Exploitation Trends in the AI Era (30 settembre 2026). I dati mostrano:
- Divulgazioni mensili passate da 5 045 a gennaio 2026 a 10 740 ad agosto 2026;
- Vulnerabilità ad alto rischio (scala propria, non CVSS) aumentate da 131 a 350 (+167 %), rappresentanti il 3 % del totale ad agosto;
- Solo le descrizioni contenenti “Linux Kernel” hanno generato circa 5 000 CVE nel periodo, senza zero‑day sfruttati osservati;
- Sfruttamenti reali: 141 vulnerabilità sfruttate tra gennaio e agosto 2026, contro 127 nel 2025 (0,23 % delle divulgate nel 2026, circa 1 su 431). Gli zero‑day sfruttati sono saliti da una media mensile di 8 a 11.
GTIG avverte che l’assegnazione automatica di identificativi negli ecosistemi open source può gonfiare i totali grezzi, rendendo necessario un’analisi più fine per valutare il reale impatto.
Considerazioni finali
La dimostrazione di OpenAI evidenzia come l’automazione basata su AI possa produrre un volume di exploit senza precedenti, a costi inferiori rispetto ai tradizionali programmi di premi. Tuttavia, la campagna ha anche messo in luce limiti operativi, errori di validazione e la necessità di una revisione umana rigorosa per garantire la qualità delle patch.
Il futuro della sicurezza del kernel Linux dipenderà dalla capacità della comunità di integrare rapidamente le segnalazioni AI‑driven, migliorare gli strumenti di convalida automatica e mantenere un equilibrio tra velocità di scoperta e rigore nella correzione. La collaborazione tra grandi player AI come OpenAI e progetti open source potrebbe diventare un elemento chiave nella lotta contro la crescente sofisticazione delle minacce.