Modele AI zaczynają znajdować prawdziwe luki 0-day

W lipcu 2026 roku wydarzyła się rzecz, która na dłuższą metę może być ważniejsza niż kolejna premiera modelu: zespół badawczy znalazł prawdziwą, wykorzystywalną lukę w jądrze Linuksa, korzystając z pomocy modelu AI. Qualys ujawnił podatność RefluXFS (CVE-2026-64600), a w opisie odkrycia podał, że skorzystał z modelu Claude Mythos Preview od Anthropic, prosząc go o wskazanie luki podobnej do słynnego Dirty COW.

To dobry moment, by opisać zjawisko precyzyjnie — bez katastroficznych nagłówków o „AI, która sama hakuje”.

Co dokładnie się stało

Qualys opisał proces jako ustrukturyzowaną współpracę badawczą. Model został poproszony o znalezienie klasy błędu podobnej do Dirty COW (czyli wyścigu w mechanizmie kopiowania-przy-zapisie). Wskazany kierunek okazał się trafny: badacze samodzielnie odtworzyli błąd, potwierdzili go i przeprowadzili skoordynowane ujawnienie.

Efektem jest realna podatność: wyścig w ścieżce copy-on-write systemu plików XFS, obecny w jądrze od wersji 4.11 (2017), pozwalający lokalnemu użytkownikowi zdobyć roota na domyślnych konfiguracjach wielu dystrybucji korporacyjnych. Stronę operacyjną — kogo dotyczy i jak łatać — opisaliśmy osobno w tekście RefluXFS (CVE-2026-64600): lokalny root w Linuksie.

Warto dodać kontekst: w tym samym tygodniu Qualys ujawnił także lukę w snap-confine (CVE-2026-8933). Zespoły badawcze wyraźnie przyspieszają.

Czego ta historia NIE dowodzi

Tu potrzebna jest dyscyplina. Model nie „zhakował” niczego samodzielnie. Nie napisał autonomicznie exploita, nie przeprowadził ataku i nie zastąpił badaczy. Zrobił coś węższego, ale wartościowego: wskazał obiecujący kierunek poszukiwań w ogromnej przestrzeni kodu, którą człowiek musiałby przeszukiwać znacznie dłużej.

Jest to spójne z tym, co producenci sami raportują o możliwościach modeli. W system card GPT-5.6 OpenAI sklasyfikowało modele jako High capability w obszarze cyberbezpieczeństwa, ale zaznaczyło, że w testach na Chromium i Firefoksie nie zbudowały samodzielnie pełnego, działającego łańcucha ataku. Innymi słowy: modele są dziś mocnym wzmacniaczem pracy eksperta, a nie samodzielnym napastnikiem.

Dlaczego to i tak zmienia równowagę

Nawet w roli „tylko” wzmacniacza skutek jest istotny, bo obniża koszt znajdowania błędów. Klasa podatności, która wymagała rzadkiej ekspertyzy i tygodni pracy, staje się dostępna szybciej i taniej. To działa w obie strony:

Po stronie obrony. Producenci i zespoły bezpieczeństwa mogą znajdować własne błędy szybciej, przed wypuszczeniem kodu. RefluXFS jest tego przykładem — luka istniejąca od 2017 roku została znaleziona i załatana zanim ktokolwiek zgłosił jej wykorzystanie.

Po stronie ofensywy. Ta sama zdolność jest dostępna atakującym z odpowiednimi zasobami. Realistyczne założenie brzmi: skróci się czas między istnieniem błędu a jego odkryciem — przez kogokolwiek.

Praktyczna konsekwencja dla firm jest przyziemna: jeśli luki będą znajdowane szybciej, to tempo łatania staje się jeszcze ważniejszą przewagą. Dojrzały proces zarządzania podatnościami przestaje być higieną, a staje się przewagą operacyjną.

Co z tym zrobić

1. Skróć okno łatania. Skoro błędy będą wychodzić szybciej, Twoim realnym zabezpieczeniem jest czas reakcji, nie nadzieja na niszowość systemu.
2. Nie licz na „bezpieczeństwo przez niejasność”. Stary, rzadko analizowany kod przestaje być bezpieczny tylko dlatego, że nikt nie chciał go czytać.
3. Wykorzystaj to po swojej stronie. Modele przydają się w przeglądzie kodu i typowaniu ryzykownych miejsc — jako wsparcie eksperta, z weryfikacją wyników.
4. Weryfikuj każdy wynik modelu. W tej historii kluczowe było to, że ludzie odtworzyli i potwierdzili błąd. Bez tego kroku dostajesz hipotezy, nie ustalenia.
5. Zachowaj proces ujawniania. Skoordynowane ujawnienie ma sens niezależnie od tego, czy błąd znalazł człowiek, czy człowiek z modelem.

Najważniejszy wniosek

RefluXFS to pierwszy tak wyraźny, publiczny przykład, że modele frontier realnie pomagają znajdować poważne luki w jądrze. Nie jest to opowieść o autonomicznej AI atakującej systemy — to opowieść o znacznym przyspieszeniu pracy badaczy. Dla obrońców wniosek jest jeden: skoro luki będą odkrywane szybciej, wygrywa ten, kto szybciej łata. Jeśli chcesz sprawdzić, jak szybko Twoja organizacja domyka takie okna, przetestujmy to razem.

Źródła: Qualys — RefluXFS (CVE-2026-64600), The Hacker News, Qualys — CVE-2026-8933.