مدل سایبری OpenAI موفق به کشف ۹۴۸ آسیبپذیری در هسته لینوکس شد
پژوهشگران با صرف ۱.۲۱ میلیون دلار اعتبار هوش مصنوعی موفق شدند شیوههای بهرهبرداری جدیدی را در ایمنترین بخشهای هسته لینوکس بازسازی کنند. The post مدل سایبری OpenAI موفق به کشف ۹۴۸ آسیبپذیری در هسته لینوکس شد appeared first on دیجیاتو .

عکس آرشیوی مرتبط با موضوع
Newspaper Stack (8582618448).jpg
عکس: Babak Farrokhi from Tehran, IRAN · CC BY 2.0
عکس آرشیوی مرتبط با موضوع
Newspaper Stack (8582618448).jpg
عکس: Babak Farrokhi from Tehran, IRAN · CC BY 2.0
مدل امنیت سایبری آینده OpenAI موفق به کشف 948 آسیبپذیری متمایز در هسته یا کرنل لینوکس شده است؛ باگهایی که به هکرها اجازه میدهند سطح دسترسی خود را تا دسترسی روت ارتقا دهند. OpenAI در گزارش خود میگوید این مدل هوش مصنوعی حدود 2.8 میلیون خط کد را که معادل نزدیک به 7 درصد از کل کدهای کرنل لینوکس محسوب میشود، مورد بررسی قرار داده است. این فرایند متکی بر سه دسته ایجنت شامل مدلهای پیشرو (Scout)، تحلیلگر (Analyst) و Triage (برای اعتبارسنجی) بوده تا نقصها را راستیآزمایی و کدهای سوءاستفاده یا اکسپلویت تولید کنند.
جزئیات عملکرد مدلهای OpenAI در کشف آسیبپذیری کرنل لینوکس اوپنایآی سازوکار تحلیل خود را در قالب مراحل تخصصی زیر پیادهسازی کرده است: ابتدا ایجنتهای پیشرو (Scout) فایلها و پوشههای هسته را جستجو کرده و بخشهایی از کد را که کاربران عادی و بدون مجوز امکان دسترسی به آنها را داشتند تفکیک کردند. خروجی این مرحله شناسایی 5٬034 هدف برای پردازش عمیقتر بود. سپس ایجنتهای تحلیلگر (Analyst) این اهداف را برای پیداکردن نقصهای امنیتی بررسی کردند و در مدت 12 ساعت موفق به شناسایی 2٬308 کاندید آسیبپذیری شدند.
در ادامه، ایجنتهای تریاژ طی 30 ساعت این نقصها را در ماشینهای مجازی ایزولهشده بازتولید و اعتبار 1٬724 مورد را تأیید کردهاند. در مرحله بعدی، این ابزارها 291 مورد اثبات مفهومِ فاش شدن اطلاعات و 1٬169 کد سوءاستفاده فعال تولید کردند که با حذف همپوشانیها، 948 باگ مجزا به دست آمده است. OpenAI تأکید کرده که تمامی این تستها روی نسخههای مجهز به مکانیزمهای دفاعی لینوکس از قبیل تصادفیسازی چیدمان فضای آدرس کرنل (KASLR)، جلوگیری از اجرای کد در حالت نظارت (SMEP) و محافظت از دسترسی به حالت نظارت (SMAP) پیادهسازی شده و ایجنتها از حداقل 10 تکنیک نفوذ که تاکنون ناشناخته بوده، استفاده کردهاند.
هزینه انجام این پژوهش 1.21 میلیون دلار اعتبار در بخش API بوده که بهطور میانگین حدود 1٬279 دلار برای هر آسیبپذیری برآورد میشود. این رقم به شکل قابلتوجهی پایینتر از پاداشهای متداول 20 هزار تا 70 هزار دلاری است که در رویدادهای هکاتون امنیتی به پژوهشگران پرداخت میشود. OpenAI تا این لحظه گزارشهای وصله امنیتی متعددی در این رابطه ارائه داده که در طول بازه پژوهشی 10 روزه، 61 رخنه در شاخه اصلی پروژه رفع شدهاند. از آنجا که مایکروسافت به مدلهای پیشرفته اوپنایآی دسترسی دارد، ممکن است از ابزارهای مشابهی برای ایمنسازی کدهای پایه ویندوز استفاده کرده باشد.
افزایش توانمندی مدلهای هوش مصنوعی باعث شده شرکتهای حوزه فناوری نرمافزارهای خود را با تکرار و سرعت بیشتری بهروزرسانی کنند. مایکروسافت ماه گذشته میلادی رکورد ترمیم 974 باگ امنیتی را با اتکا به مدلهای هوش مصنوعی ثبت کرد. در این پژوهش نیز تمرکز تیم توسعه روی کرنل لینوکس بود؛ نرمافزاری که دستگاههای اندرویدی، زیرساختهای ابری و ابرکامپیوترها را هدایت میکند و پایگاه کد آن از مرز 40 میلیون خط میگذرد. با احتساب تعرفههای رایج در دنیای شکار آسیبپذیریها، ارزش مالی این یافتهها رقمی بین 18.9 تا 66.3 میلیون دلار تخمین زده میشود.