Безопасность ИИ теперь измеряется не обещаниями, а 948 уязвимостями локального повышения привилегий в Linux, для которых автономный конвейер OpenAI за один запуск подготовил патчи. Представь: прототип проанализировал 2 308 кандидатов в ядре, воспроизвёл 1 724 уязвимости и получил 948 рабочих эксплойтов LPE, дающих root. Весь прогон обошёлся в $1,2 млн API-кредитов.
Что вообще случилось
Если убрать жаргон, OpenAI собрала конвейер — последовательность шагов, которую ИИ-агенты проходят сами. Сначала они ищут в ядре Linux места, где теоретически может быть ошибка. Потом статически сканируют эти участки, то есть читают код и ищут подозрительные конструкции. Дальше — самое важное — динамически воспроизводят находку в изолированной среде: не просто «кажется, тут дыра», а реально показывают, что она срабатывает. Затем создают PoC-эксплойт — маленькое доказательство, что дыру можно использовать. И только после этого генерируют патч — заплатку, которую человек-исследователь проверяет и отдаёт мейнтейнерам, то есть сопровождающим проект разработчикам.
В запуске середины октября 2026 года конвейер сгенерировал 291 PoC для утечек информации и 948 работающих LPE-эксплойтов для широко используемого дистрибутива Linux. Весь запуск обошёлся в $1 213 430 API-кредитов, или $1 279 за один LPE-эксплойт. Для сравнения: на Pwn2Own за Linux-ядро исторически давали $20 000, на TyphoonPWN — $70 000. Если приложить эти суммы к 948 эксплойтам, получается гипотетическая оценка $18,9–66,3 млн — в 16–55 раз дороже, чем обошёлся конвейер.
Важная деталь: целевые виртуальные машины работали на стоковой десктопной ОС, а не на специально ослабленной. Это не лабораторная мышь с подпиленными зубами. Люди-исследователи проверили результаты и отчитались об уязвимостях вместе с патчами. OpenAI работает с партнёрами Patch the Planet, а начала с критических уязвимостей — так рекомендует сообщество ядра Linux.
До этого, в июне, в рамках Patch the Planet компания рассказывала, что GPT‑5.5 Cyber нашла уязвимости ядра Linux и сделала 24 LPE-эксплойта для валидации. Теперь история превратилась в полноценный конвейер на базе будущей кибер-модели. На адаптированной среде kernelCTF, где поверхность атаки уменьшена, конвейер получил 25 PoC для утечек и 21 LPE-эксплойт. Затраты — около $32 936 API-кредитов. Если бы 21 уязвимость приняли, это дало бы примерно $1,5 млн вознаграждения — примерно в 45 раз больше стоимости сканирования. По данным OpenAI, агенты в конвейере нашли и применили как минимум 10 новых техник эксплуатации Linux.
Почему это про тебя, а не только про гиков
Может показаться, что Linux, ядро и root — это где-то в серверной, куда тебя не пускают. Но представь: твой сайт, интернет-магазин, онлайн-запись в салон или CRM для маленького бизнеса часто работают на Linux. Если кто-то получает root, он становится «главным» в системе: может читать данные клиентов, менять цены, ставить скрытые программы. Поэтому новость про 948 дыр — это не абстрактный рекорд, а сигнал: ИИ-агенты всё лучше ищут такие ошибки массово и дёшево. А значит, информационная безопасность перестаёт быть услугой «только для больших корпораций».
При этом обнаружение уязвимостей масштабируется, а приоритизация и валидация остаются узкими местами. То есть найти много — легче, чем понять, что из этого реально опасно и что не сломает систему при исправлении. Здесь пока нужен человек. И это, кстати, хорошая новость для тебя: появляется спрос не на «магов», а на людей, которые умеют проверять результаты ИИ и задавать правильные вопросы.
Что это даёт лично тебе
• Владелец небольшой кофейни с сайтом и онлайн-записью. Он не пишет код, но хочет, чтобы данные клиентов не утекли. Раньше аудит казался дорогим и непонятным. Теперь он может попросить ИИ объяснить логи сервера, составить чек-лист базовых правил безопасности и понять, о чём спрашивать подрядчика. Получает: меньше страха, больше контроля и конкретные вопросы вместо «сделайте нам безопасно».
• Фрилансер-разработчик, который делает сайты на заказ. Он может добавить в услугу «проверка кода с ИИ»: прогнать фрагменты через ChatGPT, получить список подозрительных мест, а потом руками проверить. Клиент видит заботу о безопасности, а фрилансер — новый аргумент в оффере. Заработок не гарантирован, но направление «ИИ и информационная безопасность» явно набирает вес.
• Студент, который учится на аналитика или программиста. Вместо зубрёжки терминов он просит ИИ объяснить на пальцах, что такое LPE, PoC и патч, а потом разбирает простой пример. Получает: понятную базу и уверенность на собеседовании.
• Предприниматель, который внедряет ИИ-агентов в поддержку или продажи. Ему важно правило безопасности при использовании ИИ: не давать агенту доступ к продакшену без проверки, не отправлять в него пароли и ключи, сначала тестировать на копии. Получает: автоматизацию без «сюрпризов» в виде открытой двери в базу клиентов.
• Мама двоих детей, которая хочет сменить профессию. Она смотрит курс по безопасности ИИ, но боится, что не хватит технического бэкграунда. Новость показывает: часть рутины ИИ берёт на себя, а человеку нужно уметь проверять и объяснять. Получает: реалистичный маршрут — начать с базовых правил и постепенно добавлять практику.
• Блогер или автор обучающих материалов. Он разбирает новость и делает чек-лист «как не слить данные при работе с ИИ». Получает: контент, который ищут люди, и репутацию человека, который переводит сложное на человеческий язык.
Как попробовать прямо сейчас
Шаг 1. Открой ChatGPT — это бесплатно. Если у тебя пока нет аккаунта, зарегистрируйся по почте.
Шаг 2. Скопируй промпт из бонуса ниже или напиши свой: «Объясни простыми словами, что такое локальное повышение привилегий в Linux и почему это опасно для владельца сайта».
Шаг 3. Попроси ИИ составить чек-лист из 5 пунктов для проверки твоего сайта или кода. Не давай реальные пароли, ключи и персональные данные — это базовое правило безопасности с ИИ.
Шаг 4. Возьми любой фрагмент кода, который не жалко показать (или учебный пример), и попроси найти потенциальные ошибки. Сравни с тем, что говорит документация.
Шаг 5. Если ИИ указал на серьёзную дыру в реальном проекте — не публикуй эксплойт в открытый доступ. Сообщи администратору или разработчику и дай время на патч. Человеческая проверка обязательна: ИИ может ошибаться, а цена ложного спокойствия слишком высока.
Что тут может пойти не так
Обнаружение уязвимостей становится проще масштабировать, но приоритизация и валидация остаются узкими местами в процессах. То есть ИИ может найти тысячу находок, а разбирать их и проверять всё равно людям. Конвейер OpenAI стоил $1,2 млн в API-кредитах — это не домашний эксперимент. В адаптированной среде kernelCTF поверхность атаки уменьшена, так что цифры не стоит механически переносить на любую систему. И главное: результат работы ИИ проверяли человеческие исследователи. Без этого шага «автономность» превращается в лотерею.
Плюсы, которые заметны уже сейчас
Скорость: один запуск — 2 308 кандидатов, 1 724 воспроизведённых уязвимости, 948 LPE-эксплойтов с патчами. Цена: $1 279 за LPE-эксплойт против исторических баг-баунти в $20 000–70 000. Масштаб: можно проверять не один проект, а много. И разделение труда: ИИ делает рутину, человек — решение. Для обычного человека это значит, что через месяц-полгода услуги аудита и проверки кода могут стать доступнее, а требования к безопасности при использовании ИИ — понятнее. ИИ в системах безопасности перестаёт быть экзотикой, а появляются новые роли: не просто «безопасник», а человек, который умеет проверять находки ИИ-агентов.
Итог и один шаг на сегодня
Безопасность ИИ перестала быть темой для конференций. 4 ноября 2026 года OpenAI показала: автономный конвейер нашёл и подготовил патчи для 948 уязвимостей в Linux, а человек проверил результат. Тебе не нужно повторять этот эксперимент за $1,2 млн. Начни с малого: открой ChatGPT, попроси объяснить одно правило безопасности и составь чек-лист для своего сайта, проекта или учебной работы. Сохрани статью, чтобы вернуться к промпту, и напиши в комментариях в @aigoby, что получилось.
🎁 Бонус: промпт для проверки кода
```text
Ты — опытный специалист по информационной безопасности. Проанализируй фрагмент кода ниже так, чтобы результат понял человек без глубокого технического бэкграунда.
Код:
[вставь сюда фрагмент кода]
Сделай три блока:
1. Что этот код делает простыми словами.
2. Потенциальные риски: где может быть утечка данных, слабая проверка ввода, лишние права доступа или другая проблема. Если рисков не видно, так и скажи.
3. Чек-лист из 3–5 пунктов: что проверить руками и какие вопросы задать разработчику.
Важно: не выдумывай уязвимости, которых не видно во фрагменте. Если данных не хватает, перечисли, что ещё нужно посмотреть. Не предлагай готовый эксплойт — только диагностику и безопасные рекомендации.
```
Если хочешь глубже — попроси ИИ объяснить термин из статьи: LPE, PoC, root, патч. Это бесплатный способ разобраться в теме без курса за большие деньги. А если готов к практике, начни с одного фрагмента кода за сегодня.
Комментарии 0