Łatki jądra Linuksa pod presją. AI przyspiesza znajdowanie błędów i pisanie exploitów
Dystrybutorzy Linuksa wydają poprawki na błąd w TCP oceniony na 9.8, a opiekunowie kodu spierają się, ile AI naprawdę zmienia w pracy nad bezpieczeństwem jądra. W mijającym miesiącu Postgres wycofał funkcje, a OpenClaw ujawnił 23 potwierdzone luki znalezione przez audyt wspierany przez AI.

3 listopada Red Hat opublikował poprawki na zdalne wykonanie kodu przez TCP w jądrze Linuksa, z oceną 9.8 w CVSS. Ubuntu wydało własne poprawki tego samego dnia. Błąd oznaczony jako CVE-2026-98432 to use-after-free w IPv4 TCP, a cała historia jest krótka: skanowanie pod kątem tej luki odnotowano na wolności już 2 listopada.
To jest część konkretna. Spór jest bardziej zagmatwany.
Przez ostatni miesiąc pytanie, jak mocno AI zmienia pracę nad bezpieczeństwem jądra i baz danych, przeniosło się z prelekcji konferencyjnych do dzienników commitów. Najgłośniejsze tezy odpierają ci opiekunowie, którzy faktycznie wycofywali kod. Ze źródeł nie wyłania się jedna opowieść o tym, jak AI rozbraja open source, tylko kilka osobnych, mniejszych historii o tempie ujawniania, obciążeniu recenzentów i narzędziach. Każda ma własne dowody i własne luki.
Co faktycznie wycofano w Postgresie 19
W mijającym miesiącu z Postgresa 19 wycofano kilka dużych funkcji. Tomas Vondra, współpracownik PostgreSQL, twierdzi, że wydanie przesunie się o około miesiąc, nawet jeśli wszystko inne pójdzie dobrze. Na swoim blogu Vondra sprzeciwia się narracji, która jego zdaniem rozeszła się po innych wpisach: że narzędzia AI znalazły złożone błędy w łatkach, a poprawki były zbyt inwazyjne, by wchodzić tak późno.
Przeanalizował wątki o wycofaniu po kolei. „Żaden z wcześniej zgłoszonych problemów nie wygląda na znaleziony przez AI” pisze i dodaje, że recenzja, która ostatecznie doprowadziła do jednego wycofania, wyszła od Andresa i była „najwyraźniej napisana przez człowieka”. Vondra wspomina wprawdzie wątek o psujących się sumach kontrolnych online z Claude, ale zauważa, że pojawił się kilka dni po wiadomości Roberta o „przerażającej łatce”, w której mowa o tym samym patchu. Jego wniosek: wycofania wynikały z nadmiaru problemów zgłoszonych już po commicie, częściowo wykrytych późno, i z ostrożnej decyzji o ograniczeniu ryzyka.
Teza, z którą się spiera, pochodzi od Elizabeth Christensen. Napisała, że AI „musi być częścią tej historii”, bo kilka osób używa narzędzi AI do znajdowania błędów i budowania powtarzalnych przypadków testowych. Vondra mówi, że nic do niej nie ma i lubi jej wpisy, ale ta teza nie zgadza się z jego rozumieniem powodów wycofania.
Jednego punktu w tej debacie nikt nie kwestionuje: sierpniowa poprawka PostgreSQL do wersji 18 z 2026 roku zawierała 28 CVE, podczas gdy historyczna średnia to kilka na wydanie. Tak podaje wpis Christensen, na który powołuje się Vondra. PostgreSQL nie ma jeszcze oficjalnej polityki dotyczącej wkładu AI, choć ma się pojawić wkrótce.
Audyt OpenClaw: 23 potwierdzone, żadna krytyczna
Najbardziej szczegółowym dokumentem źródłowym w całym zestawie jest opis audytu bezpieczeństwa, który OpenClaw przeprowadził z Trail of Bits w ramach inicjatywy OpenAI Patch the Planet. Materiał ukazał się 5 października. Trail of Bits zgłosiło 27 prywatnych porad dla repozytorium i 3 osobne pull requesty utwardzające kod. Spośród porad 24 miały ocenę wagi: 0 krytycznych, 2 wysokie, 16 średnich i 6 niskich. Pozostałe 3 to ustalenia z zakresu obrony w głąb, które nie przekraczały żadnej udokumentowanej granicy zaufania i nie dostały oceny.
OpenClaw twierdzi, że każdy problem nadający się do naprawy został usunięty, a wszystkie trzy PR-y utwardzające scalono. Mechanika jest warta uwagi, bo opisuje ten sam schemat, który powtarza się w narzędziach dla agentów: Trail of Bits używało procesów wspieranych przez Codex do szukania problemów i szkicowania poprawek, a potem ręcznie sprawdzało ustalenia przed wysłaniem. OpenClaw z kolei porównywał każdy raport ze swoim modelem zaufania i historią wydań.
Powtarzająca się klasa błędów to uprawnienia gubione między krokami. Żądanie przychodziło z ograniczonym dostępem, a potem uruchamiało dalszą pracę, która tych ograniczeń już nie niosła. W innych przypadkach sprawdzenie widziało jedną nazwę rzeczy, a system później używał innej, co dotyczyło zarówno tożsamości użytkowników, jak i nazw funkcji. Kontrole archiwów oglądały tylko ich część przed rozpakowaniem, a ścieżki plików mogły się zmienić po zatwierdzeniu. OpenClaw zapowiada, że wiąże zatwierdzenie z dokładnie tym plikiem, tożsamością albo akcją, która zostanie użyta, i sprawdza ponownie, jeśli cokolwiek się zmieni.
W całym OpenClaw dalsza praca nie może zyskiwać dostępu tylko dlatego, że zgubiła kontekst pierwotnego żądania.
To zdanie z firmowego bloga jest w dokumencie najbliższe zasadzie projektowej. Dobrze też opisuje, co zwykle wychodzi przy recenzji wspieranej przez AI: nie egzotyczne uszkodzenia pamięci, ale luki między tym, co system sprawdza, a tym, co robi później.
Problem z ujawnianiem
InfoQ donosił 5 października o artykule Anila Madhavapeddy'ego, profesora informatyki na Cambridge i jednego z głównych opiekunów kompilatora OCaml. Twierdzi on, że agenci AI potrafią zamienić publiczne wskazówki o lukach w działające exploity, a przez to zmniejszają wartość embarg. Madhavapeddy opisuje, jak naprawiał błąd przejścia ścieżki i zauważył sondy w logach swojego działającego serwera WWW „z dokładnie tym wzorcem błędu kilka minut po otwarciu PR-a z poprawką”.
Liczba, którą InfoQ przytacza na poparcie: w niedawnym badaniu agent GPT-4 wykorzystał 87% luk z zestawu 15 podatności, gdy dostał opisy CVE, wobec 7% bez nich. Adrian Mouat z Chainguard mówi InfoQ, że samo otwarcie PR-a stawia użytkowników w złej sytuacji, a projekty mogą być zmuszane do publikowania wydań przed powiązanym kodem źródłowym, co jego zdaniem łamie podstawy open source.
Nick Craig-Wood, twórca i opiekun rclone, dał InfoQ konkretny wymiar obciążenia: „W pierwszych 10 latach projektu rclone dostaliśmy około 20 zgłoszeń bezpieczeństwa przez GitHuba. W ostatnim miesiącu musieliśmy się zająć ponad 40!”. Chodzi właśnie o wolumen. To, czy każde z tych zgłoszeń jest prawdziwym błędem, to osobne pytanie, na które cytat nie odpowiada.
Madhavapeddy proponuje prywatne dyskusje o podatnościach, szybsze wydania ciągłe i sprawne łagodzenie skutków na poziomie protokołu. Żadne z tych rozwiązań nie łata asymetrii między osobą, która znajduje błąd, a agentem, który o nim czyta.
Narzędzia, które recenzują, i narzędzia, które skryptują
Jądro ma własnego recenzenta agentowego. Sashiko, samodzielny system do recenzowania zmian w kodzie jądra Linuksa, używa promptów napisanych pod jądro i wieloetapowego protokołu weryfikacji. Pracuje na lokalnym klonie git albo na listach mailingowych i forach git. W README kieruje opiekunów do przewodnika konfiguracji śledzenia list mailingowych, notatek opiekunów i zasad poczty, a także zaznacza, że automatyczne odpowiedzi z recenzji wychodzą z osobnego adresu. Projekt zapowiada, że bada możliwość objęcia innych projektów open source, i prosi zainteresowanych o kontakt z Romanem Gushchinem.
Tryb lokalny Sashiko czyta każdy commit z zakresu prosto z gita, bez tymczasowego klonu i bez nakładania łatek, i nie rusza drzewa roboczego. Uwaga o prywatności jest bez ogródek: dane łatek, otaczające pliki i historia trafiają do tego dostawcy LLM, którego skonfigurujesz. Flaga --resume odtwarza zapisane żądania, więc przerwany przebieg wysyła tylko to, na co nigdy nie odpowiedziano.
Po drugiej stronie tego samego trendu Lunatik 5.0 pozwala uruchamiać w jądrze Linuksa skrypty napisane w Lua. Sięgają one do urządzeń znakowych, Netfilter, hooków XDP i TC, kprobes, fsnotify, sched_ext, map eBPF, gniazd, netlinka, kryptografii i wątków jądra przez moduły Lua. Wymaga Linuksa 6.6 lub nowszego. Przykład z samego projektu to sterownik urządzenia znakowego, który generuje losowe drukowalne znaki ASCII, ładowany przez sudo lunatik run passwd i usuwany przez sudo lunatik stop passwd. W zestawie jest REPL, a jego linie wykonują się w jądrze.
Skutków dla bezpieczeństwa strona projektu nie rozpisuje i ten tekst ich nie wymyśli. Pewne jest jedno: próg wejścia do pisania kodu rezydującego w jądrze stale się obniża, równolegle z progiem do znajdowania w nim błędów.
Co liczby pokazują, a czego nie
Praca o ścieżce danych w jądrze, przyjęta na warsztaty eBPF'26 w Pradze i opublikowana na arXiv, pokazuje, jak duża część pracy nad wydajnością przechodzi dziś przez eBPF. Daniel Borkmann i Paul Chaignon opisują netkit, ścieżkę danych opartą na eBPF, która przekierowuje pakiety między przestrzeniami nazw sieci, żeby pomijać zbędne przejścia przez kolejkę zaległości. Przy minimalnych zmianach w pluginie sieciowym Cilium dla Kubernetesa raportują wzrost przepustowości do 37% i wyrównanie komunikacji kontener do kontenera z komunikacją proces do procesu.
Praca ukazała się w materiałach 4. Warsztatów o eBPF i rozszerzeniach jądra, na stronach od 83 do 89, 29 września. To wynik wydajnościowy, nie bezpieczeństwa, i tak trzeba go czytać.
Tymczasem taśma łatek kręci się dalej. Kagi zapowiedziało, że przestanie rozwijać przeglądarkę Orion dla Linuksa i Windows, a wersja beta dla Linuksa nie będzie już dostawać od firmy aktualizacji po 2 października 2026. Firma ostrzegła użytkowników, żeby nie opierali na niej codziennego przeglądania. To historia o utrzymaniu i aktualizacjach bezpieczeństwa w równym stopniu co o przeglądarce, a wiąże się z podanym przez firmę powodem: mały zespół finansowany wyłącznie przez użytkowników i brak bazy Chromium, na której można się oprzeć.
Microsoft natomiast udostępnił ogólnie WSL Containers w najnowszej aktualizacji WSL, wprowadzając narzędzie wiersza poleceń wslc.exe i API Windows do uruchamiania kontenerów Linuksa. Według How-To Geek funkcję pokazano na Build 2026, a w czerwcu weszła do publicznej wersji zapoznawczej. Wsparcie Compose to najczęstszy postulat i jeszcze go nie ma. Wbudowany runtime kontenerów zmienia dyskusję o powierzchni ataku na pulpitach Windows, ale ani dokumentacja Microsoftu, ani materiały w zestawie tego nie kwantyfikują, więc to pytanie zostaje otwarte.
Dlaczego liczba CVE jest liczbą, na którą trzeba patrzeć
Historia ujawnień w samym jądrze daje najczystszy dowód, że problemem na najbliższy czas jest wolumen, nie nowość. The Register podał 5 października, że najnowsza aktualizacja bezpieczeństwa jądra w Debianie naprawia 1 313 podatności, a GIGAZINE opisał tę samą liczbę, zwracając uwagę na granice śledzenia pojedynczych błędów jeden po drugim. To praktyczna wersja argumentu, który Vondra stawia w sprawie Postgresa, a Madhavapeddy w sprawie embarg: wąskim gardłem jest uwaga ludzi przykładana do rosnącej kolejki.
Na tym tle błąd w TCP oceniony na 9.8, załatany przez Red Hat i Ubuntu 3 listopada, przypomina, co wciąż przechodzi. Use-after-free w IPv4 TCP, zgłoszenie o skanowaniu na wolności 2 listopada i poprawki następnego dnia. Intersect już 31 października namawiał operatorów Cardano do załatania go, zanim poprawki dystrybutorów się pojawiły.
Żaden z tych wątków nie dowodzi, że AI jest przyczyną obciążenia bezpieczeństwa jądra. Audyt OpenClaw to relacja dostawcy o własnym zleceniu, a wycofania w Postgresie kwestionuje opiekun bezpośrednio w nie zaangażowany. Zapis pokazuje natomiast projekty eksperymentujące z automatyczną recenzją pod ludzkim zatwierdzeniem, kulturę opiekunów, która mocno odpiera historię przyczynową wyprzedzającą dowody, i pipeline dystrybucji, który i tak musi dowieźć łatki.
Źródła
10- 01AI Agents Are Disrupting Open Source Security DisclosureEN
- 02OpenClaw Completes Security Audit Through OpenAI's Patch the Planet InitiativeEN
- 03Postgres: Are we reverting patches because of bugs found by AI?EN
- 04Sashiko: Agentic review of Linux kernel codeEN
- 05Lunatik 5.0: scripting the Linux kernel with Lua, now with eBPF integrationEN
- 06Netkit: Specializing Linux Packet Delivery for Container NetworksEN
- 07Kagi Ends Orion Browser Development for Linux, Will Open-Source ItEN
- 08Linux containers now run natively on Windows via WSLEN
- 09Windows Developers Get a Built-In Linux Container Runtime: WSL ContainersEN
- 10Altera Quartus Linux jtagd bug fixesEN
Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.
Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.
Komentarze
0- Brak komentarzy — bądź pierwszy.