LLM помогла найти 0-day уязвимость ядра Linux

LLM помогла найти 0-day уязвимость ядра Linux

LLM помогла найти 0-day уязвимость ядра Linux

Исследователь Шон Хилан обнаружил уязвимость нулевого дня в ядре Linux с помощью большой языковой модели o3 от компании OpenAI. Уязвимость CVE-2025-37899 выявлена в модуле ksmbd, отвечающем за реализацию протокола SMB3 в ядре Linux.

Ошибка относится к классу Use-After-Free и потенциально может привести к выполнению произвольного кода. Уровень её опасности оценивается в 4 балла из 10.

Шон Хилан подробно описал процесс поиска этой уязвимости с помощью модели o3. Отправной точкой послужили данные об ошибке CVE-2025-37778, которую он ранее нашёл вручную.

В промпте к языковой модели он сформулировал задачу поиска участков кода, потенциально содержащих признаки Use-After-Free в фрагменте ksmbd объёмом около 3300 строк. Сам промпт и диалог с моделью Хилан опубликовал в своём репозитории на GitHub.

В рамках эксперимента LLM получила 100 различных вводных. В восьми случаях модель указывала на наличие ошибки, в 66 сообщала об их отсутствии, а 28 прогонами дали ложноположительные результаты. Для сравнения, модель Claude Sonnet 3.7 обнаружила ошибку лишь в трёх из ста запусков.

При увеличении объёма анализируемого кода в четыре раза (включая весь модуль ksmbd), известная уязвимость была обнаружена o3 только один раз. Тем не менее, в ряде запусков модель указала на новую уязвимость, впоследствии зарегистрированную как CVE-2025-37899.

«Модели были даны максимально чёткие инструкции, для анализа выделен сравнительно небольшой и однородный участок кода, — прокомментировали в корпоративном блоге «Лаборатории Касперского» на Habr. — Чтобы отличить «галлюцинации» от редких, но реальных случаев обнаружения уязвимостей, требовалась работа специалиста».

Вчера мы писали об уязвимости в GNOME RDP: когда сервис активен, злоумышленник сможет истощить системные ресурсы и многократно вызвать крах процесса.

ИИ экономит 11 часов в неделю, но 6 из них уходят на присмотр за ботом

Искусственный интеллект попал в неудобную статистику. Новое исследование Work AI Institute показало, что сотрудники действительно экономят время благодаря ИИ — в среднем около 11 часов в неделю. Но есть нюанс: более шести часов из этой экономии приходится тратить на проверку, исправление и контроль работы самого ИИ.

Исследование охватило 6000 офисных сотрудников из США, Великобритании и Австралии.

Опрос показал, что 75% работников заметили рост личной продуктивности после внедрения ИИ-инструментов. Однако только 13% компаний сообщили о заметном росте бизнеса благодаря этим технологиям.

 

Получается любопытный парадокс. Формально сотрудники работают быстрее, но бизнес почему-то не получает сопоставимой выгоды.

По словам профессора Калифорнийского университета Пола Леонарди, многие недооценивают объём скрытой работы, которая появляется вместе с ИИ. Нужно собирать данные, подготавливать контекст, перепроверять ответы чат-ботов, искать ошибки и дорабатывать результаты вручную.

Фактически современные сотрудники всё чаще выступают не исполнителями, а менеджерами собственных цифровых помощников.

Согласно исследованию, 37% времени взаимодействия с ИИ уходит непосредственно на работу с ботами, а ещё 36% — на применение полученных результатов в реальных задачах. Более того, 41% опрошенных признались, что не могут объяснить, каким образом ИИ пришёл к своим выводам.

Авторы приводят показательный пример. Молодой разработчик перед уходом домой интегрировал в проект тысячи строк кода, сгенерированного ИИ. После этого система перестала работать, а разбираться в причинах пришлось старшему инженеру. Сам автор изменений не смог объяснить, что именно сделал искусственный интеллект.

RSS: Новости на портале Anti-Malware.ru