OpenAI 官方於二零二六年十一月四日公開《A thousand fewer paths to root》，說明其資安研究流水線如何在受控環境大規模發現、驗證並為 Linux 本地提權漏洞擬備修補：一次運行動態重現約一千七百二十四項漏洞，並為九百四十八項可讓低權限本地用戶取得 root 的提權路徑產出可用證明與候選修補，整段 API 成本約一百二十一萬美元。本文已核對 OpenAI 官方頁面與 Pipeline 數字說明，來源真實性已驗證。
OpenAI／官方：資安代理流水線一次驗證九百四十八項 Linux 提權——API 成本約一百二十一萬美元；並向維護者遞交候選修補
OpenAI 於二零二六年十一月四日在官網發表長文，交代其「自主漏洞發現、利用驗證與修補」原型流水線的一次完整運行結果。該次掃描以即將推出的 cyber 模型為核心，在隔離研究環境對主流 Linux 發行版級別的桌面系統下手：先靜態鎖定可審計目標，再動態重現、評估可否本地提權，最後產出候選修補並由人類研究員覆核後，按 Linux 社群指引優先通報嚴重項目。以下只整理官方已公開的方法論與量化結果，來源真實性已驗證。
一、核心事件：把漏洞研究做成可量測的流水線
技術細節
官方指出，漏洞「發現」愈來愈容易擴大規模，但優先排序與驗證仍是瓶頸。流水線粗分為五段：漏洞發現、動態驗證、可利用性評估、修補生成，以及人類覆核。中游十月的一次運行中，系統先識別二千三百零八項候選發現；在隔離虛擬機以 Kernel Address Sanitizer 等證據動態重現一千七百二十四項（約佔候選的七成四點七）；其後篩出資訊外洩與本地提權候選，並產出二百九十一項資訊外洩概念驗證，以及一千一百六十九項可取得 root 的本地提權利用；再經變體分析收斂為九百四十八項互不相同的提權路徑與對應候選修補。整段 API 額度成本約一百二十一萬三千四百三十美元，折合每項提權約一千二百七十九美元。
發現階段由 Scout 代理先從核心中挑出五千零三十四個高價值審計目標（約二百八十萬行程式碼、約佔整個 Linux 核心的百分之七），成本約三千四百二十六美元；Analyst 代理在約十二小時內產出去重後的二千三百零八項候選，成本約三十一萬六千五百四十九美元。驗證階段約三十小時、成本約七萬三千三百三十美元；官方指僅約百分之三點一屬模型分析錯誤（假設了不可能條件），其餘未能重現者多因需較高權限、競態或觸發條件過苛。可利用性評估在啟用 SMEP、SMAP、KASLR、HARDENED_USERCOPY 等常見發行版防護的環境進行，避免「關掉防護才算成功」的虛假結論；成功利用平均約三百五十九美元額度。
OpenAI 並以歷史競賽／漏洞賞金尺度作參照：若以 Pwn2Own 與 TyphoonPWN 對 Linux 本地提權的歷史賞金（二萬／七萬美元）套用在九百四十八項，假設估值約一千八百九十萬至六千六百三十萬美元，約為流水線成本的十六至五十五倍。在改編自 Google kernelCTF、攻擊面較收窄的環境，同一管線另得二十五項資訊外洩概念驗證與二十一項提權利用，整輪約三萬二千九百三十六美元；若二十一項獲接受，官方估算獎金規模約一百五十萬美元、約四十五倍成本。官方稱抽樣一百六十六項利用後，據其所知代理至少用上十種對第三方核心利用專家而言亦屬新穎的手法，惟基於安全考量未公開技術細節。
二、技術原理深度解析
管線的關鍵不在「再多掃幾行原始碼」，而在把發現、重現、定嚴重性與修補串成可審計流程。Scout 以「低權限可達、資安相關」收窄審計面；Analyst 類似 Codex Security 外掛的工作方式閱讀威脅模型並提出候選；驗證代理必須在隔離機產出可觀測的記憶體損壞等證據，才算「真漏洞」。定嚴重性時，資訊外洩與本地提權分開處理，因為「能造成本機拒絕服務」與「能直接提權到 root」對維護者的急迫性完全不同。
修補生成會附上根因分析、最小崩潰證明、候選修補與完整利用，方便人類研究員判斷嚴重度並向上游提交。官方承認初期直接請模型出補丁時，功能上或能挡住概念驗證，卻可能多寫無關程式碼、偏離附近風格，或漏做變體分析；經提示與迭代後，才較接近「正確、精簡、合乎慣例」的修補。另有早期運行曾出現「標記成功提權、但實際走了另一個未指派的零日」的情況（二百項成功中二十項誤判路徑），其後收緊任務約束並加入獨立檢查，強調結果與路徑都要核實。
與七月以 GPT‑5.6 Sol 找到一百六十六項獨特提權、端到端約五十一萬三千六百九十美元相比，中游十月以較新 cyber 模型在最新主線上找到的新穎提權數量多逾五倍，即使其間隔了約三個月的上游加固。官方亦觀察到：更強模型往往需要更輕的編排；為 GPT‑5.5 Cyber 準備的一百零三項利用技巧庫，對 GPT‑5.6 Cyber 的邊際增益已很小。這對企業自建「代理式紅隊／修補」有直接啟示——編排成本要隨底模能力重估，否則維護負擔大於收益。
四、日常應用場景
1. 開發者與技術團隊
維運 Linux 工作負載、容器節點或自建映像的團隊，應把「低權限帳戶在未完全打齊最新修補時，對有資源的對手近似於 root」當成近期威脅假設（官方明文結論之一）。實務上優先：縮短核心與用戶態修補窗口、減少不必要的攻擊面、以 Firecracker／gVisor 等沙箱限制爆炸半徑，並把「代理輔助審計」當成輔助而非取代人類覆核——尤其要驗證利用是否真的走指派漏洞，避免誤報路徑污染優先級。
2. 企業與隱私敏感行業
金融、醫療與持牌機構若在內部啟用編碼代理人或自動化資安掃描，應分開處理三件事：掃描成本與預算上限、驗證證據鏈（概念驗證、崩潰日誌、修補可讀性），以及對外通報／協調上游的節奏。OpenAI 指掃描進行約十日內，已見逾一百項提權獲上游修補或進入暫存修補、另約三百項公開討論——顯示「發現速度」已逼近「消化速度」，企業若只堆告警而不投資修補與變體分析，缺口會迅速擴大。
3. 一般用戶
個人與中小企用戶難直接重跑此級流水線，但仍可採對應防衛：及時安裝發行版與核心更新、避免長期以低權限帳戶暴露未修補系統、不把生產主機同時當開發沙箱。對雲主機與 VPS，應確認供應商的映像更新策略與隔離邊界，而非假設「沒聽說零日就等於安全」。
4. 香港與亞洲市場視角
香港企業大量依賴 Linux 雲主機、容器與託管面板；代理式編碼與資安工具亦快速進入開發流程。董事會與 CISO 需要的不只是「AI 能找洞」的口號，而是可量測的成本、誤報率、修補品質與人類覆核節點。評估端點到雲端的隔離、修補節奏與零信任邊界時，可參考 YSK Limited 的雲端遷移與網絡安全服務（https://ysk.hk/services/cloud-security；官網刊載相關 SLA 資訊），把自動化發現接上可執行的加固與應變流程。
五、專業評價與潛在考量
優勢
- 把「發現—驗證—定嚴重性—修補—通報」做成可重複、可計價的流水線，並公開各階段 API 成本
- 在啟用常見核心防護的環境驗證提權，證據門檻高於純靜態告警
- 明確要求人類覆核，並公開「走錯零日」的失敗模式與修正
- 與 Patch the Planet／Daybreak 倡議對齊，強調把能力導向開源關鍵軟體加固
- 對防衛方給出可操作結論：重複掃描、投資自動修補、以沙箱限制爆炸半徑
需要留意的地方
- 九百四十八、一千七百二十四等數字來自官方一次（及對照）運行設定，不能直接外推為「所有發行版／所有組態」的漏洞總數
- 賞金倍數是以歷史公開賞金尺度做的假設估值，不是實際到帳金額
- 新穎利用手法未公開細節，外界無法獨立複核那「十種」的定性；文章亦強調攻擊者同樣可能受惠於模型能力
- 自動修補仍需風格、變體與對抗審查；官方亦提到模型曾指出人類專家修補的問題，雙向覆核才穩妥
- 流水線示範的是研究原型能力，不等於任何對外產品的 SLA 或即開即用服務承諾
結語
OpenAI 這次公開的，是把前沿模型的資安能力轉成可量測防衛流程的實驗報告：一次運行驗證並為九百四十八項 Linux 本地提權路徑擬備修補，同時坦陳成本、誤判路徑與修補品質迭代。對香港正把工作負載與代理人放上 Linux 雲端的團隊而言，重點不是誇大「AI 已取代紅隊」，而是承認發現速度已改變修補經濟，必須同步投資隔離、更新節奏與有人類把關的自動修補。若你正在檢視雲端主機、容器與零信任邊界的加固優先級，可進一步了解 YSK Limited 的雲端遷移與網絡安全服務：https://ysk.hk/services/cloud-security。
參考來源
- OpenAI 官方：A thousand fewer paths to root — https://openai.com/index/a-thousand-fewer-paths-to-root
- OpenAI：Patch the Planet / Daybreak 相關倡議說明（見上文同頁）
- YSK Limited 雲端遷移與網絡安全 — https://ysk.hk/services/cloud-security