GPT-6 Cyber首测揪出948处内核提权漏洞

GPT-6 Cyber首测揪出948处内核提权漏洞

OpenAI 向获批的 Daybreak Red 用户开放了安全专用模型 GPT-6 Cyber。这是 OpenAI 首款专为网络安全任务打造的垂直模型,训练目标直指漏洞的发现、验证与修复前置环节。早期测试中最引人注目的结果来自一项 Linux 内核审计研究:该模型在内核代码中标记出两千余个可疑问题,复现其中一千七百余个,并构建了 948 个本地提权利用加以验证。访问目前仅限获批的 Daybreak Red 用户,更广泛的开发者预览与 API 开放时间表尚未确认。

一款为安全任务而生的专用模型

定位:在授权范围内发现并验证漏洞

与通用对话模型不同,GPT-6 Cyber 的训练目标非常明确:在研究者划定的授权范围内,发现、分析并验证可利用的安全漏洞。OpenAI 将其定义为面向网络安全研究者的专用模型,能力覆盖漏洞挖掘、动态复现、利用构建与候选补丁生成等环节。换句话说,它不是把通用模型微调一下加个安全皮肤,而是围绕安全研究的完整工作流重新组织了能力。

开放方式也体现了这一定位的敏感性。GPT-6 Cyber 初期通过 API 与编程代理产品向部分获批的 Daybreak Red 客户开放,并承诺逐步扩大范围。OpenAI 用 Daybreak Blue 与 Daybreak Red 两套框架区分防御侧与攻击侧的使用场景,获批的机构需要在受控环境中使用模型。对普通开发者而言,现在还无法直接调用这款模型。

为什么安全任务需要专用模型

一个自然的问题是:通用旗舰模型已经很强,为什么还要单独训练一款安全模型?原因在于安全研究任务的特殊性。挖洞不是简单的代码问答,它要求模型在数十万行的内核代码中建立跨文件的数据流推理,理解从用户态输入一路到达内核敏感操作的完整链路,并在真实环境中设计、执行、调试利用程序。这些长链条、强反馈、高容错成本的步骤,与通用对话任务的分布差异很大。专用训练带来的收益直接体现在分数上:同样的漏洞召回测试里,GPT-6 Cyber 比同代通用模型高出八个百分点以上,而这种差距在高难度目标上会被进一步放大。

评分:比上一代安全模型高出约五成

官方披露的核心评测是在 ExploitGym 基准上的表现:GPT-6 Cyber 得分 48.5%,上一代 GPT-5.6 Cyber 为 32.1%,相对提升约 51%。在网页渗透测试的漏洞召回率上,GPT-6 Cyber 达到 40.3%,高于同期的 GPT-6 Astra 的 32.0%。更重要的是范围对齐能力:在没有部署范围提示的情况下,模型在 99.93% 的测试中避免了越权利用授权范围之外的服务;加入提示后这一比例达到 100%。对一款具备攻击性能力的模型来说,”听话不出圈”与”能挖洞”同样关键。

除了基准分数,官方还给出了几组真实场景的研究数字。在一项针对 Firefox 浏览器的独立研究活动中,该模型识别出 81 个此前未知的高严重性漏洞,Mozilla 已为其中许多问题发布修复,模型同时协助形成了候选补丁。在远程利用基准 RemoteExploitBench 上,GPT-6 Cyber 的任务完成率达到 95%,而作为对照的 GPT-6 Astra 与 Daybreak Blue 在同样测试中选择百分之百拒绝执行。这组对比说明了产品矩阵的设计意图:不同模型被明确分配了不同的能力边界,攻击性能力只集中在审核最严格的那一款上。

评分之外,模型的协作形态也在变化。在配套的安全工作流中,安全工程师拿到的不只是一份漏洞报告,而是带测试验证的候选补丁与草稿级合并请求,经工程师确认后才会进入代码库;模型发起的每一项测试都由独立的审查层约束在授权端点范围内,越界的请求会被直接拦下。这套机制说明,模型的能力再强,落地的形态依然是”建议者”而非”执行者”,最终决定权留在人类工程师手里。对企业安全团队来说,这意味着引入此类模型并不需要推翻现有流程,而是把它插进漏洞管理流水线中人工最拥挤的环节。

Linux 内核审计:一组值得拆解的数字

从两千余个疑点到 948 个可用利用

这项研究的原始报告标题可以直译为”通往 root 的路少了一千条”,实验对象是最新版本的 Linux 内核。整个流水线分为四个阶段:发现、分析、验证与补丁生成。GPT-6 Cyber 首先在海量内核代码中标记出 2308 个候选发现,随后在隔离的受控环境中对这些问题逐一动态复现,成功复现 1724 个,最终构建出 948 个本地提权利用来确认漏洞的真实可利用性。所有发现与候选补丁经人工研究者审核后,按负责任披露流程提交给了内核维护者。

需要强调的是,这 948 个利用并非模型自行部署到生产环境的补丁,而是用于验证漏洞存在性的证据。它们的共同指向非常一致:本地低权限用户可以借此提升到内核权限。在一个共享内核的云计算时代,这类漏洞意味着容器、CI 执行器乃至普通用户的进程都可能是攻击的起点,948 条路径的规模足以让内核社区重新评估威胁模型。

流水线细节:从发现到候选补丁

值得留意的是这条流水线的工程化程度。发现阶段由模型在海量内核代码中做全量扫描并产出候选清单;分析阶段对每个候选做语义研判,判断问题的类型与影响面;验证阶段把可疑问题放进隔离环境做动态复现,只有能稳定触发的问题才会进入利用构建;补丁生成阶段则为每个确认的漏洞产出候选修复方案。整个链条中,模型负责重活,人类研究者负责把关——审核每一份发现报告与补丁建议,再统一提交给内核维护者。这套”模型冲锋、人类守门”的协作模式,可能是未来大型项目安全审计的标准形态。

实验也暴露了自动化验证的边界。据报道,在批量验证环节存在验证陷阱的案例:部分看似成功的利用实际跑错了路径,需要人工介入才能甄别。模型产出的利用代码也并非人类可读的优雅实现,研究者想彻底理解一条利用的原理仍需数周。换句话说,自动化流水线解决了”找到并证明”的问题,但”理解并归因”仍然依赖专家经验,这对内核社区的人员配置提出了新要求。

120 万美元的实验成本说明了什么

据公开报道,这次实验的 API 调用成本约为 120 万美元。这个数字有两面性:一方面,它说明大规模自动化审计不再是零星尝试,而是一条可以按预算规划的流水线;另一方面,按 948 个利用折算,单个利用的边际成本约 1279 美元,而顶尖逆向工程师看懂其中一条利用的原理往往需要数周。成本曲线的变化对攻防双方都有冲击——对防守方,补丁速度成为新的竞争维度;对攻击者,原本需要专家手艺的工作开始可以按美元计价。值得注意的是,作为对照,上一代通用模型 GPT-5.6 Sol 在同一测试框架下仅构建出 166 个利用,差距超过五倍。

与上一代及同类安全模型的横向对比

把 GPT-6 Cyber 放进当前的安全模型版图里看,能更清楚地理解这次发布的意义。同为 OpenAI 产品线的 GPT-5.6 Cyber 与 GPT-5.6 Sol 是它的直接参照,而 Anthropic 的 Mythos 5.2 走的是类似的受限开放路线。下表从审计能力、访问方式与适用场景三个维度做了对比:

维度 GPT-6 Cyber GPT-5.6 Cyber / Sol(上一代) Anthropic Mythos 5.2(同类)
审计能力 内核审计构建 948 个提权利用;ExploitGym 48.5%;发现 81 个 Firefox 高危漏洞 Sol 同框架仅 166 个利用;GPT-5.6 Cyber ExploitGym 32.1% CVE 复现评测比 Opus 5.5 多发现 10.2% 漏洞
风险评级 Preparedness Framework 评为 Critical GPT-5.6 Cyber 评为 High 需通过 Cyber Verification 审核方可使用
访问方式 仅限获批 Daybreak Red 客户,经 API 与编程代理开放 随常规产品线部分开放 仅限通过审核的机构,不对公众开放
越权防护 无提示时 99.93% 不越权,有提示时 100% ExploitGym Honeypot 无提示 94.49% 内置安全防护限制攻击性用途
适用场景 内核与大型软件审计、渗透测试、补丁前验证 常规漏洞研究辅助 高敏环境下的安全工程任务

表外的三点观察

从这张对比表出发,有三个趋势值得单独一说。第一,风险评级与访问门槛是绑定的:能力从 High 跳到 Critical,开放方式就从常规产品线收缩到审核制,这是各家模型的共同规律,能力越强、圈子越小。第二,越权防护正在成为与能力同等重要的评测维度, honeypot 式的诱惑测试已被纳入常规评测集,厂商需要同时证明”能挖洞”与”不出圈”。第三,同类模型之间的差距正在快速收敛,上一代与新一代之间五倍的利用构建差距,未必能在下一代身上复制,竞争的重点正从”能不能”转向”多快、多稳、多可控”。

安全边界:模型公司如何给危险能力上锁

OpenAI 自己的准备度框架把 GPT-6 Cyber 的网络安全能力评为 Critical,这是该框架下的最高风险等级,也是触发 Daybreak Red 受控开放机制的原因。这一评级高于上一代的 High,说明模型能力的跃升同时带来了治理责任的跃升。具体的约束手段包括三道防线:其一,访问端审核,只有通过背景审核的安全机构才能拿到调用资格;其二,范围对齐训练,模型被训练去拒绝授权范围之外的利用行为;其三,实验端的隔离环境与人工审核,所有发现经人确认后才对外披露。

不过,能力越强,滥用的想象力空间也越大。同样的模型能力既能帮内核社区批量排雷,理论上也可能被用于批量找洞。这也是为什么 OpenAI 在扩大开放节奏上明显谨慎——获批名单的扩张速度远慢于能力的提升速度。需要指出的是,目前关于模型安全表现的关键数字大多来自 OpenAI 的自评,公开报道中尚未出现独立的第三方审计结论,权重保持锁定,更大范围的释放需要多方评估。对整个行业来说,这次发布实际上是一次压力测试:当一款模型的攻击能力远超上一代时,现有的访问治理机制是否跟得上。

行业侧的信号同样值得警惕。基准测试机构 Vals 的评估显示,一款免费开放的 DeepSeek 模型在网络攻防任务上已接近这款受限模型的水平;开源社区的安全工具生态也在快速跟进。受限开放门槛挡住的只是”持证上岗”的正规军,能力本身正在加速外溢。这意味着治理讨论不能只停留在单一厂商的开放政策上,而要扩展到整个能力扩散的链条。

攻防两端:垂直安全模型成为新赛道

把镜头拉远,GPT-6 Cyber 不是孤立事件。Anthropic 同期推出了定位类似的 Mythos 5.2,同样采用机构审核制;谷歌也在向企业推销防御向的安全工具。模型公司集体押注安全垂直模型,逻辑很直接:安全任务的回报高、付费意愿强,且天然适合模型擅长的代码理解与多步推理。更重要的是,攻防两端可以共用一套底层能力——攻击侧找洞,防御侧补洞,商业模式上一鱼两吃。从各家披露的路线图看,这条赛道的下一站是把审计能力与云上资产管理打通,让模型直接在企业的真实攻击面上值守,而不仅仅是项目交付前的一次性扫描。

对企业和内核社区这类软件生态的维护者来说,这波浪潮的实际收益是审计吞吐量的量级提升。大型开源项目常年面临”漏洞堆积、人手不足”的困境,一次实验找出近千个可复现的提权问题并附上候选补丁,是人类团队无法企及的速度。对采购方而言,这类能力也开始进入企业预算清单——已有大型金融机构签署了编程代理与安全模型的组合订阅。风险则在于同类能力的外溢:一旦类似流水线落入不受控的 hands,防线将不得不从”阻止提权”前移到”阻止初始立足”。能力开放节奏与治理机制的赛跑,将是接下来一年安全行业的主线剧情。

对安全从业者意味着什么

对一线安全团队来说,这次发布改变了预算与编制的算术。过去组建一支能够审计内核级目标的研究团队,需要数名顶级专家和数月的周期;现在同等规模的审计可以在数周内以可控的 API 成本完成,团队的角色从”执行者”转向”审核者与调度者”。技能重心也随之迁移:读懂模型产出的利用报告、判断发现的优先级、把候选补丁翻译成可维护的工程改动,会成为安全工程师新的核心能力。短期内,人机协作团队的产出上限将由人的审核带宽决定,这也解释了为什么各家厂商都把”人类把关”写进了产品流程而不是当作事后补救。

写在最后

回顾整个事件,可以浓缩成三句话:能力上,安全专用模型的攻击面覆盖已经从单点漏洞走向批量流水线;治理上,最高风险评级与审核制开放成为新常态;生态上,攻防两端共用一套底座、模型公司同时卖矛与盾的格局正在成形。这三句话背后是同一个判断:软件安全的人力瓶颈正在被打破,接下来比拼的是谁能更快、更稳地把模型能力纳入自己的防御体系。

GPT-6 Cyber 的首秀给出了一个清晰的信号:安全研究正在从专家手艺走向人机协作的流水线,而 948 这个数字既是防守方的战果,也是对全行业的预警。对普通开发者与安全从业者而言,眼下能做的准备很具体——关注获批开放范围的扩大节奏,评估自家关键资产的内核攻击面,并尽早把自动化审计纳入补丁管理流程。至于更广泛的开发者预览与 API 时间表,OpenAI 尚未给出确定答案,值得持续追踪。

常见问题

GPT-6 Cyber 是什么?

它是 OpenAI 推出的网络安全专用模型,训练目标是在授权范围内发现、验证安全漏洞并生成候选补丁,网络安全能力在其准备度框架中被评为最高等级 Critical。

948 这个数字指什么?

指早期测试中该模型针对 Linux 内核构建的本地提权利用数量,用于验证漏洞的真实可利用性;此前模型还标记了 2308 个候选发现、动态复现了 1724 个漏洞。

谁可以使用 GPT-6 Cyber?

目前仅向通过审核的 Daybreak Red 客户开放,通过 API 与编程代理访问;更广泛的开发者预览与 API 时间表尚未公布。

发现的漏洞如何处理?

所有发现与候选补丁经人工研究者审核后,按负责任披露流程提交给内核与相关项目维护者,实验在隔离的受控环境中完成。

它与上一代安全模型差距多大?

在 ExploitGym 基准上得分 48.5%,较 GPT-5.6 Cyber 的 32.1% 相对提升约 51%;同一测试框架下构建的利用数量是通用模型 GPT-5.6 Sol 的五倍以上。

模型会不会擅自攻击范围外的目标?

官方评测显示,未部署范围提示时模型在 99.93% 的测试中避免了越权利用,加入提示后为 100%,范围对齐是这次训练的重点之一。

为什么这类模型要严格限制访问?

因为同样的能力既能帮防守方批量找洞补洞,也可能被滥用于攻击;访问审核、范围对齐与人工披露流程是控制滥用风险的三道防线。

这次审计对 Linux 内核社区意味着什么?

近千条通往内核权限的路径被集中识别、验证并附上候选修复,相当于把社区多年积累的隐性风险一次性摆上桌面;同时这些利用的可读性差、归因成本高,社区需要额外人力消化这批”流水线产出”。

普通开发者现在能用上它吗?

不能。当前访问仅覆盖通过审核的 Daybreak Red 机构客户,个人开发者与未审核企业无法调用;官方承诺逐步扩大范围,但未给出具体时间表。

接下来应该关注什么?

一是开放范围的扩大节奏与独立第三方审计结果,二是同类垂直安全模型之间的能力收敛速度,三是内核与浏览器等关键项目对自动化审计产出的消化能力。

THE END
喜欢就支持一下吧
点赞27 分享
评论 抢沙发
头像-知了AI
欢迎您留下宝贵的见解!
提交
头像-知了AI

昵称

取消
昵称表情代码快捷回复

    暂无评论内容