Pipeline de IA da OpenAI gera 948 exploits de escalonamento de privilégios no Linux em 30 horas
A OpenAI divulgou um pipeline que usa um modelo de IA especializado em cibersegurança para encontrar, validar e corrigir falhas de escalonamento de privilégios local (LPE) no kernel Linux. Em uma execução de 30 horas e cerca de US$ 1,2 milhão em custos de API, o sistema analisou 2.308 candidatos, reproduziu dinamicamente 1.724 vulnerabilidades e produziu 948 exploits de LPE validados. O caso ilustra como modelos de IA estão se tornando ferramentas de pesquisa ofensiva de vulnerabilidades em escala industrial.
A OpenAI apresentou publicamente um pipeline experimental que emprega um modelo de IA ainda não lançado, voltado para tarefas ofensivas de cibersegurança, para varrer o código-fonte do kernel Linux em busca de vulnerabilidades de escalonamento de privilégios local (LPE). Segundo a reportagem, a execução de 30 horas custou cerca de US$ 1,2 milhão em chamadas de API e processou 2.308 candidatos a falha, dos quais 1.724 foram reproduzidos dinamicamente — ou seja, o sistema não apenas apontou um padrão suspeito no código, mas efetivamente construiu um ambiente de teste e confirmou que a falha era explorável —, resultando em 948 exploits de LPE validados e, segundo a OpenAI, corrigidos.
O relato disponível não detalha a arquitetura interna do pipeline, mas o padrão descrito — análise estática de código, reprodução dinâmica e, por fim, geração de exploit funcional — corresponde à abordagem que agentes de IA vêm adotando em benchmarks de reprodução de vulnerabilidades: o modelo lê o código, formula uma hipótese sobre a causa raiz e então itera escrevendo e executando entradas até provocar o comportamento malicioso previsto. A escala (quase mil exploits confirmados em poucos dias) é o dado mais significativo, pois supera em ordens de magnitude o que equipes humanas de pesquisa de vulnerabilidades conseguiriam produzir no mesmo período.
O significado prático é duplo e ambíguo. Por um lado, a OpenAI apresenta o resultado como ferramenta defensiva — encontrar e corrigir falhas antes que atacantes o façam, fortalecendo a segurança do kernel Linux, que sustenta a maior parte da infraestrutura em nuvem e servidores do mundo. Por outro lado, o mesmo pipeline é, por definição, um gerador automatizado de exploits funcionais; nada impede que uma capacidade equivalente, sem o compromisso de disclosure responsável da OpenAI, seja usada ofensivamente por um ator malicioso com acesso a um modelo comparável. O episódio reforça uma tendência já visível em 2026: a pesquisa de vulnerabilidades deixa de ser um processo artesanal e passa a ser, em parte, um problema de escala computacional e orçamento de API.