OpenAI 的網路安全模型發現更多漏洞；防禦者能及時修復嗎？

新聞摘要

OpenAI 最新的網路安全推進顯示，AI 能協助防禦者發現、測試並準備修復廣泛使用軟體中的弱點，但單靠強大的模型無法彌補安全缺口。更大的問題在於，軟體維護者能否以 AI 輔助發現如今可能允許的速度，驗證並發布修復。

專用模型進入受限計畫

2026 年 11 月 5 日，OpenAI 宣布其專注於網路安全的模型——在其 Daybreak 資料中被描述為 GPT-5.6-Cyber——將透過 Daybreak Red 提供給獲准的安全專業人員。該公司將 Daybreak 定位為受控存取計畫：Blue 讓經過審查的防禦者使用通用模型，並依授權工作調整防護措施；Red 則用於更進階的漏洞研究、漏洞利用驗證與安全測試。存取涉及身分驗證、帳戶安全、監控與使用限制。

這個專用模型以 GPT-5.6 Sol 為基礎，並針對尋找漏洞與開發漏洞利用鏈等安全工作接受訓練。OpenAI 表示，目標是協助合法的防禦者執行通用模型防護措施原本可能阻擋的工作。這種能力具有雙重用途：有助於驗證與修復漏洞的相同方法，也能幫助他人理解如何利用該漏洞。限制存取可降低暴露風險，但也使資格條件與實際可用性成為防禦策略的一部分。

Linux 成果顯示了什麼、沒顯示什麼

前一天，OpenAI 公布了一套原型流程的結果，該流程將即將推出的網路安全模型用於 Linux 核心程式碼。在十月中旬的一次執行中，系統產生了 2,308 項候選發現、動態重現了 1,724 個漏洞，並產生了 948 個不同的修補程式，且與可運作的本地權限提升漏洞利用相關。這類漏洞利用可讓已擁有低權限帳戶的使用者在受測系統上取得根層級控制權。回報的 API 成本約為 121 萬美元。

這些數字描述的是研究工作流程的不同階段，而非 2,308 起已確認的入侵事件，或 948 個已被接受並發布的修復。OpenAI 表示，其流程也產生了漏洞利用示範與候選修補程式，且人工安全研究人員在向維護者回報前審查了輸出結果。該公司回報，在掃描前後十天期間，已有 61 個本地權限提升問題在上游修補、43 個已有待發布修補程式，另有 299 個正在公開討論中。這些數字包含更廣泛的社群活動，不應解讀為 OpenAI 此次執行所造成的修復數量。

這項研究也說明了驗證為何重要。OpenAI 披露，其流程的早期版本曾計入 20 個看似成功的漏洞利用，但實際上這些是利用不同於所指派漏洞的另一個漏洞取得根權限。團隊隨後收緊了檢查。這對安全教育的啟示是：成功的示範必須追溯到正在調查的特定漏洞，而產生的修補程式需要獨立審查其完整性與副作用。

更多發現，維護者更多工作

OpenAI 表示，另一次在七月使用 GPT-5.6 Sol 的執行產生了 166 個不同的 Linux 核心權限提升漏洞利用，API 成本約為 51.4 萬美元。十月的流程使用較新的網路安全模型，回報了 948 個不同問題，成本約 121 萬美元。這項比較顯示發現產出大幅增加，不過後一次執行也使用了成熟的多階段工作流程，因此並非單純的模型基準測試。

TechCrunch 也報導，OpenAI 發現了 81 個先前未知的 Firefox 漏洞，並描述安全研究人員 Max Justicz 透過 Daybreak Blue 使用 GPT-5.6 Sol 發現的另一個與 Ubuntu 相關的漏洞。Justicz 向該媒體表示，Debian 維護者已為該漏洞發布修補程式，且沒有已知證據顯示該漏洞曾被利用。這些記述強化了 AI 輔助的防禦潛力，同時也顯示唯有維護者收到清楚報告並有時間評估時，結果才有意義。

SecurityWeek 與 Axios 的獨立報導同樣強調 Linux 流程的規模、約 120 萬美元的成本，以及人工審查的重要性。這些報導大致一致地區分候選發現與已測試的漏洞利用，儘管壓縮的摘要有時會讓「948 個漏洞」、「948 個漏洞利用」與「948 個修補程式」聽起來可以互換。OpenAI 的詳細說明釐清：1,724 項發現被重現、回報了 1,169 次可運作的本地權限提升漏洞利用嘗試，而變體分析產生了 948 個不同修補程式，用於計算不重複問題。

瓶頸在修復，不只是發現

核心挑戰是人力。維護者必須重現報告、與其他發現比較、判定嚴重性、撰寫或評估修補程式、協調揭露，並將更新散布到各軟體版本與下游產品。AI 可以加速這條鏈的部分環節，但大量低品質或重複的報告也可能消耗稀缺的維護者注意力。OpenAI 自己也表示，漏洞優先排序與驗證仍是營運瓶頸，並建議依現行程式碼重新檢查報告，以避免增加不必要的工作。

還有存取與成本的問題。Linux 執行回報的 API 支出相當可觀，而 TechCrunch 的另一篇報導描述一名個別研究人員在調查數個漏洞利用時，花費約 5,000 美元於模型訂閱與權杖。因此，即使同為防禦者，前沿模型的存取權限也可能分布不均。OpenAI 表示希望將 Daybreak 擴展到不同規模的組織、獨立研究人員與開源維護者；該計畫能否在維持有意義防護措施的同時做到這一點，將是一項重要考驗。

如何讓這項工作足以應對安全挑戰

專用模型是有用的工具，而非完整的安全計畫。最強的做法是將授權存取與隔離測試、人工審查、可靠的揭露管道、維護者資金，以及快速交付經驗證的修復相結合。軟體營運者也需及時安裝更新，並透過沙箱化、最小權限與系統隔離，限制本地入侵可能造成的損害。

對學生與技術團隊而言，這個故事提供了一個實用的方式來思考 AI 在網路安全中的角色：衡量整個工作流程，而不只是模型能找到多少漏洞。追蹤有多少發現可重現、有多少真正不重複、維護者多快能審查、修補程式是否通過獨立檢查，以及有多少使用者收到這些修補程式。OpenAI 的結果顯示，自動化漏洞研究正變得更具規模化能力。這是否能成為防禦者的持久優勢，取決於模型周圍的人員與制度性修復系統。