2025年11月5日，OpenAI安全研究团队公开了一次“演示级”的自动化网络安全实验：一套搭配即将推出的网络安全模型的五阶段流程系统，在2025年10月中旬对Linux内核做了一次全自动漏洞挖掘。单次运行中，这套流程先在漏洞发现阶段筛出2308个疑似样本，再通过动态复现确认其中1724个为真实可触发漏洞，并在可利用性评估、补丁生成和人工复核环节，进一步为其中948个本地提权漏洞自动写出可用利用代码和候选修复补丁，为291个信息泄露漏洞产出PoC。Linux内核是全球服务器、云基础设施以及大量Android设备的核心组件，这场“单次挖出千余内核洞”的行动，被明确包装成一次AI安全能力展示与技术披露，而非传统意义上的入侵报告或事故通报。公开报道给出的单次API成本约121万美元，一边昭示着AI在漏洞挖掘效率上的跃迁，一边把这类能力牢牢钉在高昂算力和经费门槛之上，使“高效自动化挖洞工具既能修补系统、也能被用来攻击系统”的双用途风险，以及谁有资格、用什么规则掌握它，成为接下来所有讨论绕不开的核心矛盾。
流水线式AI攻防：1724个漏洞是怎么炼成的
这套链路更像一条自动化生产线，而不是某个天才黑客的灵光一现。第一道工序是“粗筛”：模型针对Linux内核做大规模静态与语义分析，据单一来源称，一次运行就生成了2308个疑似漏洞候选样本。接下来进入第二阶段——动态验证，系统对这些候选点逐一构造输入、尝试触发异常，用可重复的“跑通一次算一次”的方式，把纸面上的猜测变成可观测的行为。到这一环节结束，只剩下1724个被确认“能真的触发”的漏洞，剩余样本则被打回，这一削一留构成了整条流水线最关键的收缩阀门。
但真正让人不安、也最能体现“攻防一体”的，是之后的三道工序。在可利用性评估阶段，AI不再满足于“有漏洞”，而是给每个漏洞贴上“是否值得进一步开发”的标签，优先挑出那些适合写本地提权与信息泄露利用代码的目标；最终为948个本地提权漏洞和291个信息泄露漏洞生成了PoC或Exploit，把潜在攻击路径具体化。随后的补丁生成阶段，模型反手为这些已确认漏洞提出候选修复方案，相当于一边模拟攻击者写利用，一边代替防守方起草补丁草案。链路末端的人工复核，则是唯一“拉回人类”的环节：研究人员需要对漏洞结论和补丁进行审查与调整，只是目前公开资料既没说清复核覆盖了多少结果，也没披露整体误报率，这意味着我们知道人类仍被放在刹车位置，却不知道这只脚踩得有多重。
121万美元一轮：AI安全实验的算力门槛
把整条链路跑完一次的代价，被多家报道浓缩成一个数字：约121万美元的API成本。简报也强调，这还是“只算调用”，并未把模型推理所在的基础设施、工程支撑和人工复核一并摊进去。再叠加“搭配即将推出的网络安全模型”这一前提，可以读出一个隐含条件：今天想让模型在Linux内核这种级别的目标上跑完“发现—验证—利用—补丁—复核”的全栈流程，仍然需要极其昂贵、算力密集的模型作为驱动。换句话说，这种一次挖出1724个内核漏洞的实验，目前只对少数预算和算力都足够宽裕的机构有现实意义，安全社区对“121万美元的算力门槛”本身也表达了持续关注。
但如果换一个视角，把它与传统安全研究对比，这笔钱就不再只是“烧钱秀肌肉”。过去要在复杂内核里找出哪怕几十个可复现的漏洞，往往要靠研究员逐行分析代码、反复写PoC和调试环境，时间以月甚至年计，产能远远达不到一次性确认1724个漏洞、为其中948个本地提权漏洞和291个信息泄露漏洞自动生成利用代码与PoC的规模。哪怕121万美元在绝对值上足够惊人，它购买到的是一种此前不存在的效率曲线：把原本以人力为瓶颈的工作，部分外包给大模型去做“批发式”挖掘。简报同时提醒，这样的AI漏洞研究因成本高昂，短期内仍是高门槛实验，不易被普遍复制和滥用，但随着模型效率提升、调用成本下探，这种能力极有可能从少数“玩得起”的示范项目，演变为更多机构都能负担的攻防工具，从而让算力门槛一点点向下迁移，风险被更广泛地重新分配。
948个提权利用代码：Linux世界的隐形炸弹
在安全工程师的词汇里，“本地提权”听上去很学术，落到现实却极其直接：它允许一个原本只是普通账号、甚至几乎没有权限的进程，一步步攀升到root级最高权限。公开报道指出，本地提权漏洞可以让无权限或低权限用户获得对系统的完全控制权，原本被权限边界隔离开的用户、进程和数据，被一条利用链打通。放在以Linux为内核的世界里，这意味着一旦在某台服务器、某个云实例或一部Android设备上落脚，攻击者不必突破更多外围防线，就可能借助提权漏洞直接接管底层系统。
这一次，自动化流程在单次运行中，确认并为948个本地提权漏洞生成了可用利用代码和候选补丁，还为291个信息泄露漏洞生成了PoC。据公开资料，Linux内核是全球服务器、云基础设施以及Android设备的核心组件，在这样一个基础层上批量产出提权Exploit，本质上就是在关键基础设施下方埋入一整串随时可以被点燃的“隐形炸弹”。然而，简报明确没有披露这些LPE利用代码是否以及如何被负责任地交给Linux内核社区，也未说明相关漏洞的修复进度，更没有透露任何关于这些漏洞是否曾被恶意利用的细节。安全社区面对的是一把威力被反复强调、却看不清管控边界的利刃，信任感因此不可避免地被推入一种悬而未决的状态。
从写代码到挖漏洞：OpenAI押注网络安全模型
从外界视角看，这次披露真正被反复强调的，并不是“挖出多少内核洞”，而是那条被称作“自动化网络安全流程”的链路本身——以及它与“即将推出的网络安全模型”的捆绑关系。OpenAI把原本停留在“写代码”“改代码”的通用模型能力，延伸到操作系统内核层面的安全研究：一条流水线从生成2308个候选样本起步，经漏洞发现、动态验证、可利用性评估一路推进，对1724个可触发漏洞做筛选，再在补丁生成阶段直接产出修复建议，为948个本地提权和291个信息泄露漏洞配套PoC与候选补丁，最后才把结果交给人类安全研究员做终审。对OpenAI来说，展示的不是一场“研究成果发布会”，而是一套可复用的攻防基础设施预告。
这套组合拳背后的赌注，是对安全行业分工和攻防节奏的重写：一旦这样的网络安全模型与自动化流程被标准化，传统由小团队、长周期完成的漏洞挖掘与验证，很可能被压缩成“模型批量扫描—人类抽样复核”的新范式，高成本的121万美元在这里被包装成未来可能商品化的“安全算力服务单价”。但OpenAI并没有把权杖完全交给机器——补丁生成被纳入流程，却刻意在最后保留人工复核这一闸门，同时又对复核比例、误报率、补丁质量标准保持沉默，意味着它一边强调自动化效率，一边用不透明的人机协作设计划定责任边界，而整个行业要如何在这条新分工线上站队与对齐，仍然是一个悬而未决的开放变量。
当AI批量挖漏洞，规则还跟得上吗
当一条自动化链路在一次运行中确认1724个Linux内核漏洞、为其中948个本地提权漏洞生成利用代码、为291个信息泄露漏洞写出PoC，安全研究的生产函数已经被改写：过去要靠小团队多年累积的成果，如今可以被一次性批量产出。效率与规模的跃迁背后，是更高维度的双用途放大效应——同一套流程既能帮助防守方提前发现并修补薄弱环节，也能在被滥用时，把极少数人的恶意放大成成千上万条可重用的攻击路径。121万美元的总API成本，暂时把这种能力锁在少数具备算力和资金的机构手中，安全社区一边盯着948个LPE利用代码可能带来的冲击，一边把成本门槛当作当前阶段唯一可见的“物理围栏”。但当这类网络安全模型逐步商品化，问题就不再只是算力谁有、工具谁先用，而是：谁能接入模型、调用过程如何被记录与审计、生成的漏洞与补丁该按什么路径、在多长时间窗口内被负责任地披露。尤其是在OpenAI尚未公开复核机制细节、漏洞修复进度和未来开放策略的前提下，行业关于访问控制、披露流程和使用者门槛的共识仍停留在讨论稿阶段。站在2026年回望这一轮披露，市场和监管机构都还在用摸着石头过河的方式调试边界：既不敢让规则绑住新一代防御工具的手脚，也不得不承认，当AI开始批量挖漏洞时，旧有的安全与合规框架已经不足以单独承担风险定价的角色。
加入我们的社区，一起来讨论，一起变得更强吧！
AiCoin专属Hyperliquid福利：https://app.hyperliquid.xyz/join/AICOIN88
AiCoin专属Aster福利：https://www.asterdex.com/zh-CN/referral/9C50e2
链上电报（Telegram）社群：https://t.me/AiCoinWhaleData
链上社区：https://www.aicoin.com/link/chat?cid=N6OVMor5g
AiCoin链上推特：https://x.com/aicoinwhaledata
免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到[email protected]，本平台相关工作人员将会进行核查。
