OpenAI afirma que sistema de IA encontrou 948 falhas no Linux que poderiam dar acesso root a invasores

948 caminhos de uma conta comum ao controle total

A OpenAI afirma que um sistema automatizado de pesquisa encontrou 948 vulnerabilidades distintas no kernel Linux que poderiam permitir que alguém com uma conta de usuário comum assumisse o controle total de um computador. A campanha custou US$ 1.213.430 em créditos de API de IA e gerou patches candidatos para análise humana, segundo a divulgação de pesquisa da empresa, publicada em 4 de novembro de 2026.

Os resultados detalhados no relatório de pesquisa da OpenAI explicam como se chegou ao número em destaque: os agentes produziram 1.169 exploits funcionais de escalonamento local de privilégios e, em seguida, agruparam descobertas relacionadas por meio de análise de variantes e desenvolveram 948 patches distintos. A OpenAI usa esse número final como sua contagem de vulnerabilidades únicas.

Uma falha de escalonamento local de privilégios permite que uma pessoa ou programa já em execução em uma máquina obtenha poderes normalmente reservados ao administrador, conhecidos como root. O kernel Linux é o software central que gerencia memória, hardware e permissões de acesso. Romper essa barreira pode transformar um acesso limitado em controle do sistema.

A OpenAI testou os exploits em uma distribuição Linux de uso comum, mas não identificada, com as proteções de segurança padrão ativadas. A empresa descreveu a IA que alimentou o processo como um modelo cibernético futuro, sem informar uma data de lançamento ou identificar a distribuição. Os totais de descobertas, custos e alegações sobre novas técnicas de ataque são resultados divulgados pela própria OpenAI.

O desafio imediato é fazer com que as correções cheguem aos computadores que as pessoas realmente usam. Durante a pesquisa, colaboradores do Linux já estavam corrigindo ou discutindo centenas de descobertas coincidentes. Pesquisadores humanos ainda precisaram verificar se cada exploit tinha como alvo a falha alegada e se o patch proposto corrigia a causa.

Como os agentes reduziram milhões de linhas de código

A OpenAI começou selecionando partes do Linux acessíveis a usuários comuns e relevantes para a segurança. Agentes de reconhecimento identificaram 5.034 alvos de auditoria, que abrangiam cerca de 2,8 milhões de linhas de código, aproximadamente 7% de uma base de código do kernel com mais de 40 milhões de linhas.

Em seguida, agentes analistas examinaram esses alvos, observando como o código funcionava e onde um invasor poderia cruzar uma fronteira de segurança. Em 12 horas, produziram 2.308 descobertas candidatas após a remoção de duplicatas. A seleção dos alvos custou US$ 3.426 em créditos de API; a análise deles custou US$ 316.549.

O processo completo teve cinco etapas: descoberta de vulnerabilidades, validação dinâmica, avaliação de explorabilidade, geração de patches e análise humana. Cada etapa respondeu a uma pergunta diferente, avançando de um código suspeito para um problema de segurança demonstrado e, por fim, para uma proposta de correção.

Durante a validação, os agentes tentaram reproduzir cada descoberta candidata em uma máquina virtual isolada usando o Kernel Address Sanitizer, uma ferramenta que detecta certos erros de memória. Eles observaram a saída dos programas e os registros do sistema, ajustando os programas de teste até provocar o problema ou esgotar as tentativas disponíveis.

Em 30 horas, o sistema reproduziu 1.724 vulnerabilidades, cerca de 74,7% das candidatas. A OpenAI afirmou que muitas das descobertas restantes exigiam privilégios mais elevados ou dependiam de condições difíceis de acionar dentro do tempo disponível. Atribuiu 3,1% das descobertas candidatas a análises incorretas envolvendo uma condição impossível. As 30 horas se referem à etapa de validação; a varredura e a análise manual subsequente se estenderam por 10 dias.

O que os exploits funcionais demonstraram

O passo seguinte da OpenAI foi determinar quais bugs reproduzidos poderiam expor informações ou conceder acesso root. Um agente de triagem reduziu as descobertas a 313 candidatas a vazamento de informações e 1.238 possíveis candidatas a escalonamento de privilégios.

Agentes de desenvolvimento de exploits produziram 291 provas de conceito de vazamento de informações e 1.169 exploits funcionais de escalonamento de privilégios. Uma prova de conceito é um programa de teste que demonstra que uma vulnerabilidade pode ser acionada. Um exploit vai além, usando a falha para obter uma consequência de segurança, como privilégios de administrador.

As máquinas de teste mantiveram ativadas proteções como a randomização de endereços, as restrições ao acesso do kernel à memória do usuário e as verificações de cópia de dados. A randomização de endereços dificulta que um invasor preveja locais úteis na memória. Manter essas proteções ativas aproximou os testes de uma instalação comum de desktop.

A OpenAI também testou uma versão adaptada do ambiente kernelCTF do Google, que tem uma superfície de ataque menor e proteções adicionais. Essa campanha produziu 25 provas de conceito de vazamento de informações e 21 exploits de escalonamento de privilégios ao longo de 112 horas, a um custo de API de cerca de US$ 32.936. A adaptação omitiu a mitigação SLAB_VIRTUAL porque ela era incompatível com a versão mais recente do kernel usada no teste.

A OpenAI informou ter encontrado uma vulnerabilidade no QEMU TCG, parte da infraestrutura de virtualização usada nos testes do kernelCTF. A descoberta também levou o próprio ambiente de pesquisa a passar por uma análise de segurança.

Como a campanha de outubro se compara ao trabalho anterior

A pesquisa da OpenAI sobre o Linux se ampliou em vários experimentos ao longo de 2026. A empresa relacionou o trabalho ao Patch the Planet, iniciativa para ajudar mantenedores a descobrir e corrigir vulnerabilidades em softwares amplamente usados.

• Junho de 2026: a OpenAI divulgou 24 exploits de escalonamento de privilégios no Linux desenvolvidos com o GPT-5.5 Cyber.
• Fim de julho de 2026: uma campanha com o GPT-5.6 Sol encontrou e explorou 166 vulnerabilidades únicas de escalonamento de privilégios, a um custo de API de US$ 513.690.
• Meados de outubro de 2026: o modelo cibernético mais recente produziu exploits que cobriam 948 vulnerabilidades distintas de escalonamento de privilégios, além de patches candidatos, a um custo de US$ 1.213.430.
• 4 de novembro de 2026: a OpenAI publicou seu relato sobre o processo e os resultados.

A campanha de outubro encontrou cerca de 5,7 vezes mais vulnerabilidades únicas de escalonamento de privilégios do que a campanha de julho, gastando aproximadamente 2,4 vezes mais. Calculado com base nesses totais, o gasto de API por descoberta única caiu de cerca de US$ 3.095 para US$ 1.280.

As duas campanhas examinaram a versão mais recente do ramo master do kernel Linux disponível na época. A OpenAI afirmou que o modelo de outubro encontrou substancialmente mais vulnerabilidades apesar dos três meses adicionais de correções e reforços de segurança no kernel. A empresa defendeu que softwares importantes sejam examinados novamente à medida que os modelos se tornam mais capazes.

Por que obter acesso root não bastava para validar uma descoberta

A OpenAI deparou com um problema básico em um experimento inicial: 20 de 200 exploits bem-sucedidos obtiveram acesso root por meio de uma vulnerabilidade diferente daquela atribuída ao agente. O ataque funcionou, mas a explicação sobre qual bug havia sido explorado estava errada.

Isso era importante para a aplicação de patches. Pesquisadores precisam relacionar o resultado observado à causa correta para que os mantenedores possam corrigir o código responsável. A OpenAI acrescentou verificações independentes após descobrir as atribuições incorretas.

Yash Kadakia, fundador e diretor de tecnologia da Security Brigade, explicou por que as empresas precisam tanto de resultados reproduzíveis quanto de explicações precisas:

"Alcançar um resultado e explicar corretamente como você o alcançou são duas coisas diferentes", disse.

Os pacotes finais de pesquisa da OpenAI incluíam uma análise da causa, um programa de teste mínimo que provocava uma falha, um patch candidato e um exploit completo. Pesquisadores humanos de segurança analisaram o exploit, a correção e a gravidade proposta antes de comunicar as descobertas aos mantenedores.

O desenvolvimento de patches também exigiu iterações. As correções iniciais feitas por IA às vezes introduziam mudanças desnecessárias ou perdas de desempenho, ou deixavam sem solução variantes relacionadas de uma vulnerabilidade. Testar variações de um ataque ajudou os pesquisadores a avaliar se uma correção abrangia o problema mais amplo.

O que os US$ 1,2 milhão financiaram e como a OpenAI avaliou o valor

A OpenAI informou um custo total de campanha de US$ 1.213.430, ou aproximadamente US$ 1.279 por descoberta única de escalonamento de privilégios. Esses valores descrevem os gastos de API com os modelos e o fluxo de trabalho, e não uma contabilização completa do trabalho de pesquisa e das despesas operacionais.

A avaliação de explorabilidade consumiu a maior parcela. A triagem custou US$ 44.194, enquanto o desenvolvimento de exploits custou US$ 775.929, incluindo US$ 691.000 para candidatas a escalonamento de privilégios e US$ 84.929 para candidatas a vazamento de informações.

As tentativas malsucedidas mais difíceis podiam ser especialmente caras. A OpenAI informou um gasto médio de cerca de US$ 3.922 para cada uma de 69 tentativas malsucedidas de escalonamento de privilégios, em comparação com cerca de US$ 360 para cada exploit bem-sucedido. Alguns casos persistentes envolviam condições de corrida, nas quais o sucesso depende de eventos ocorrerem em uma ordem ou em um momento exatos.

A OpenAI comparou as 948 descobertas com recompensas históricas de competições: US$ 20.000 na Pwn2Own e US$ 70.000 na TyphoonPWN por exploits de escalonamento de privilégios no kernel Linux. Aplicados a esses números, os valores hipotéticos seriam de US$ 18,9 milhões a US$ 66,3 milhões, cerca de 16 a 55 vezes o custo de API da campanha.

A empresa também estimou que seus 21 exploits do kernelCTF poderiam render cerca de US$ 1,5 milhão caso fossem aceitos pelo programa. As duas comparações são estimativas condicionais de recompensas, e os valores efetivos dependem das regras do programa e da aceitação. A OpenAI afirmou que seu trabalho se concentrou em medir a capacidade, e não em minimizar custos, e que melhorias na engenharia do fluxo de trabalho poderiam reduzir os gastos.

Dez técnicas supostamente novas, sem detalhes divulgados

A OpenAI examinou uma amostra de 166 exploits e afirmou ter identificado pelo menos 10 técnicas de exploração que eram novas para seus pesquisadores e para especialistas externos em exploração do kernel consultados durante o trabalho. A empresa não divulgou instruções detalhadas por razões de segurança.

As técnicas incluíam dois novos objetos usados para colocar dados controlados pelo invasor na memória do kernel, duas maneiras de organizar a memória para aumentar a confiabilidade, cinco métodos de obter privilégios alterando dados e uma técnica envolvendo confusão de tipos arbitrária. A confusão de tipos ocorre quando o software trata um objeto como se fosse de outro tipo, o que pode permitir acesso a dados ou operações indevidos.

A OpenAI apresentou esses resultados como evidência de que os agentes conseguiam desenvolver abordagens além dos padrões de exploração conhecidos. A alegação se baseia na análise da amostra feita pela empresa e nas consultas a especialistas externos.

Para os defensores, a consequência prática é que uma correção precisa ser testada contra variações de ataque relacionadas, além da primeira demonstração funcional. A OpenAI afirmou que iterações orientadas por especialistas podem ajudar a produzir patches que funcionem corretamente, se integrem ao código ao redor e resistam a ataques variantes.

A distância entre uma correção no projeto principal e uma máquina protegida

Os mantenedores do Linux já estavam agindo enquanto a campanha da OpenAI estava em andamento. Ao fim dos 10 dias que abrangeram a varredura e a análise manual, 61 descobertas de escalonamento de privilégios haviam sido corrigidas no projeto principal, 43 tinham patches em fase de integração e 299 estavam sendo comunicadas e discutidas publicamente.

Uma correção no projeto principal é uma mudança aceita no projeto central. Um patch em fase de integração ainda está passando por revisão ou incorporação. Em seguida, as distribuições Linux precisam disponibilizar atualizações adequadas a seus clientes, que devem instalá-las e ativar o kernel corrigido.

A OpenAI afirmou ter enviado centenas de relatórios e patches, começando pelas vulnerabilidades críticas, conforme as orientações da comunidade do kernel. A empresa não forneceu um detalhamento completo das correções para as 948 descobertas.

Sakshi Grover, diretora de pesquisa da IDC, apontou como principal preocupação o período até que as correções cheguem aos sistemas em operação:

"O risco está menos nas 948 vulnerabilidades do que na duração do intervalo entre a descoberta e a chegada das correções à produção", disse.

Grover recomendou priorizar hosts compartilhados por vários clientes, sistemas automatizados de compilação de software, servidores de acesso compartilhado, plataformas de contêineres e máquinas de desenvolvedores. Ela também instou as organizações a pedir às distribuições Linux cronogramas para incluir as correções nas versões com suporte.

Thomas Di Giacomo, diretor de tecnologia e produtos da SUSE, afirmou que a empresa usa ferramentas de IA semelhantes e trabalha com as comunidades de desenvolvimento para divulgar vulnerabilidades e aplicar patches. Ele descreveu a abordagem da SUSE como uma combinação de várias camadas de proteção com ambientes de execução reforçados para aplicações.

Um ciclo mais rápido de descoberta vai além dos desktops Linux

Dados do Google Threat Intelligence Group apontam 10.740 divulgações mensais de vulnerabilidades em agosto de 2026, ante 5.045 em janeiro. As divulgações classificadas como de alto risco subiram de 131 para 350 no mesmo período, um aumento de cerca de 167%.

O Centro Nacional de Segurança Cibernética do Reino Unido (NCSC) abordou a descoberta assistida por IA em uma avaliação publicada em 3 de novembro. A agência afirmou:

"A ampla disponibilidade de ferramentas cibernéticas com tecnologia de IA quase certamente levou a um aumento significativo na descoberta de vulnerabilidades zero-day", afirmou.

Uma vulnerabilidade zero-day é uma falha para a qual os defensores não tiveram oportunidade prévia de preparar uma correção. O NCSC afirmou que ferramentas defensivas de IA aceleraram a aplicação de patches, mas alertou que muitos sistemas continuavam expostos quando essas ferramentas não eram configuradas corretamente e amplamente implantadas. As organizações precisariam adaptar seus processos de aplicação de patches e testes ao ritmo mais acelerado.

O alcance do Linux torna amplo esse problema operacional. O kernel dá suporte a dispositivos Android, infraestrutura de nuvem e supercomputadores. A infraestrutura de blockchain também está exposta: cerca de dois terços dos nós do Ethereum usam Linux, segundo dados de ethernodes.org citados em reportagens sobre as descobertas.

Mudit Gupta, diretor de tecnologia da Polygon Labs, argumentou que a infraestrutura distribuída oferece resiliência:

A descentralização traz diversidade de infraestrutura e redundância, o que torna o setor cripto muito mais resiliente a bugs como este do que os softwares tradicionais.

O pesquisador de segurança Caducus também argumentou que a infraestrutura de criptomoedas se tornou mais resiliente após repetidas exposições a ataques. Para os operadores individuais, a tarefa concreta continua sendo manter as máquinas atualizadas e limitar os danos que uma conta comprometida pode causar.

A OpenAI recomendou defesas em camadas, incluindo sandboxes e sistemas de isolamento como Firecracker e gVisor. O alerta foi direto: um invasor com bons recursos e uma conta comum em um sistema operacional sem as correções disponíveis pode transformar esse acesso em controle root. Descobrir bugs mais rápido só ajuda quando as correções resultantes chegam rapidamente a esses sistemas.

Principais pontos

• A OpenAI informou ter encontrado 948 vulnerabilidades distintas de escalonamento de privilégios no Linux após analisar 1.169 exploits funcionais e produzir patches candidatos.
• A campanha de outubro custou US$ 1.213.430 em créditos de API. Na etapa de validação, 1.724 vulnerabilidades candidatas foram reproduzidas em 30 horas.
• Os testes usaram uma distribuição Linux comum com as proteções padrão ativadas; o modelo e a distribuição não foram identificados.
• A análise humana continuou necessária para verificar a causa de cada exploit e avaliar as correções propostas.
• Os mantenedores já haviam corrigido 61 descobertas no projeto principal; havia 43 patches em fase de integração e 299 descobertas em discussão pública quando a análise terminou.
• A prioridade defensiva imediata é distribuir e instalar as correções, especialmente em sistemas compartilhados, nos quais o acesso comum poderia se transformar em controle de administrador.