Компания OpenAI раскрыла информацию о выявлении в ядре Linux 1724 уязвимостей, для 948 из которых удалось создать рабочие эксплоиты, позволяющие локальному пользователю получить root-доступ в системе, а для 291 уязвимости подготовить эксплоиты, приводящие к утечке информации. Затраты на анализ кода и генерацию эксплоитов при помощи AI-моделей GPT-5.5 и GPT-5.6 Cyber оцениваются в 1.21 млн долларов, что составляет 1279 долларов за каждый эксплойт. Для сравнения вознаграждения на разработку одного подобного эксплоита на конкурсах Pwn2Own и TyphoonPWN составляет от $20000 до $70000 (рентабельность от 16 до 55 раз).

Работоспособность эксплоитов была проверена в типовых дистрибутивах Linux с включёнными механизмами защиты SMEP (Supervisor Mode Execution Prevention), SMAP (Supervisor Mode Access Prevention), KASLR (Kernel Address Space Layout Randomization) и HARDENED_USERCOPY. При тестировании в защищённом окружении с ограниченной поверхностью атаки, используемом в проводимом Google соревновании kernelCTF, удалось успешно применить 21 эксплоит для повышения привилегий и 25 для утечки информации (для сравнения за весь 2026 год на соревновании kernelCTF было успешно продемонстрировано 26 эксплоитов для повышения привилегий).

Для поиска уязвимостей в рамках инициативы Patch the Planet был разработан многоэтапный процесс. На первом этапе AI-агенты в ходе статического анализа отобрали наиболее подходящие для поиска уязвимостей участки кода, что позволило сузить область поиска до 2.8 млн строк (7% кодовой базы). После этого при помощи AI-гентов был проведён анализ отобранного кода и выявление кандидатов на уязвимости.

На втором этапе было осуществлено отсеивание ложных кандидатов, путём написания прототипов эксплоитов и их проверки в изолированных виртуальных машинах. После этого прототипы эксплоитов доводились до полноценного рабочего состояния, способного обходить типовые механизмы защиты, такие как рандомизацию адресов. На следующем этапе AI-агенты сформировали патчи для исправления уязвимостией, а на финальном этапе каждый эксплоит и патч был проверен человеком.

В ходе исследования AI-агенты самостоятельно разработали и применили как минимум 10 ранее неизвестных техник эксплуатации ядра и обхода защит. В одном из случаев AI-модель выявила и эксплуатировала уязвимость в эмуляторе QEMU, применяемом для изоляции тестового окружения. Уязвимость в QEMU была найдена AI-агентом при попытке эксплуатации уязвимости в коде ядра, используемом для передачи управления системным вызовам. Попытки завершались аварийной остановкой и AI-агент определил, что причиной тому ошибка в QEMU, и включил эту уязвимость в отчёт. На следующем этапе AI-агент для разработки рабочих эксплоитов подготовил соответствующий эксплоит для QEMU.