Vad OpenAI gjorde
Den 4 november publicerade OpenAI inlägget A thousand fewer paths to root. Det beskriver en körning från mitten av oktober där en kedja av AI-agenter, byggd på en säkerhetsinriktad modell som ännu inte är släppt, gick igenom Linuxkärnan i ungefär 30 timmar.
Agenterna hittade 2 308 möjliga sårbarheter. 1 724 av dem gick att återskapa i en sandlåda, och för 948 skrev agenterna fungerande angreppskod (exploits) som tar en vanlig användare med låga rättigheter till root, alltså full kontroll över maskinen. Utöver det fick de fram 291 sårbarheter som läcker information.
Hela körningen kostade drygt 1,2 miljoner dollar i API-avgifter, eller runt 1 280 dollar per fungerande angreppskod. Agenterna skrev också ett förslag till rättning för varje fynd. Säkerhetsforskare granskade angreppskod, rättningsförslag och föreslagen allvarlighetsgrad innan något skickades vidare till kärnans utvecklare.
En detalj säger mycket om var tekniken står i dag. När OpenAI gick igenom 200 fall av angreppskod som räknats som lyckade visade det sig att 20 av dem inte använde den sårbarhet agenten hade fått i uppdrag att utnyttja. Agenten hade hittat en annan, okänd sårbarhet på vägen och tagit sig till root med den i stället.
Varför det angår er även utan egna servrar
Lokala sårbarheter har länge hamnat långt ned i patchkön. Tanken har varit att en angripare först behöver ett konto på maskinen, och då är mycket redan förlorat. OpenAI skriver i praktiken tvärtom: ett konto med låga rättigheter på ett system som inte är patchat bör räknas som likvärdigt med root för en angripare med resurser.
Säkerhetsfolk har sagt något liknande länge. Skillnaden nu är att det finns en prislapp, och den är låg. Runt tusen dollar per väg in är småpengar för en statlig aktör eller en organiserad brottsgrupp. Flödet av patchar kommer att öka, inte minska.
Linux finns också på fler ställen än man tänker på: molnservrar, containerplattformar, brandväggar, routrar, lagringsenheter och styrsystem. En organisation utan egen driftavdelning kör ändå Linux, fast hos sina leverantörer.
Tre saker att ta med till nästa riskgenomgång
1. Patcha löpande, inte en gång i kvartalet
Ett patchfönster per kvartal har varit en kompromiss mellan risk och driftstörning. När sårbarheter hittas och utnyttjas i den här takten blir kompromissen sämre för varje månad som går. Målet bör vara att kärnuppdateringar går ut löpande, med automatiska tester och omstarter i rullande grupper så att ingen enskild uppdatering blir ett eget projekt. Där omstarter är svåra går det att patcha kärnan i drift, till exempel med Canonical Livepatch eller Red Hats kpatch.
Fråga också leverantörerna hur lång tid det tar från att en kritisk kärnpatch släpps till att den är installerad i deras driftmiljö. Svaret säger ofta mer än ett certifikat.
2. Utgå från att ett konto räcker, och isolera efter det
Om varje inloggning kan bli root behöver gränserna dras någon annanstans än i användarrättigheterna. Containrar delar kärna med värddatorn, så en kärnsårbarhet går rakt igenom dem. Kod ni inte litar på fullt ut, som kunders skript, byggjobb från externa bidrag eller AI-agenter som kör kommandon, bör köras i egna virtuella maskiner eller i sandlådor som gVisor eller Firecracker.
Se också över vem som alls har skalåtkomst till produktion, och hur länge. Ett konto som inte finns kan inte eskaleras.
3. Låt AI ingå i era egna tester
Angriparna kommer att använda samma sorts verktyg. Den som testar sina system med liknande metoder hittar åtminstone en del av hålen först. Ett penetrationstest ersätts inte av en modell, men testprogrammet bör beskriva hur AI-stödd sårbarhetsjakt används, av vem och inom vilka ramar.
När ni köper tester kan ni fråga leverantören hur de använder AI och hur de upptäcker när verktyget hittar något annat än det letade efter. OpenAI:s 20 av 200 visar att det händer.
Kopplingen till DORA och NIS2
För finansiella företag är DORA den tydligaste kopplingen. Förordningen kräver ett ramverk för IKT-riskhantering där skydd och förebyggande ingår (artikel 9), och de tekniska standarderna i delegerad förordning (EU) 2024/1774 ställer krav på rutiner för sårbarhets- och patchhantering. Testprogrammet enligt artiklarna 24 till 27 ska vara riskbaserat, och de som omfattas av hotstyrda penetrationstester (TLPT) ska testas mot realistiska angripare. Om realistiska angripare nu har AI-agenter blir det svårt att försvara ett testupplägg som bortser från det.
Under cybersäkerhetslagen (SFS 2025:1506) ingår hantering och rapportering av sårbarheter i de säkerhetsåtgärder som verksamhetsutövaren ska vidta enligt 2 kap. 3 §. Motsvarande krav står i artikel 21.2 e i NIS2-direktivet. Åtgärderna ska vara lämpliga och proportionerliga, och det blir svårt att hävda om patchtakten bygger på antaganden som inte längre håller.
Till styrelsen räcker en fråga för att komma igång: hur lång tid tar det i dag från att en kritisk kärnpatch släpps till att den är installerad på våra viktigaste system, och hos våra viktigaste leverantörer?
Det som är osäkert
Siffrorna kommer från OpenAI och har inte granskats av någon utomstående. Patcharna är förslag, och det är kärnans utvecklare som bestämmer vad som tas in och när. Modellen finns inte heller tillgänglig för andra. Riktningen går ändå inte att ta miste på, och den som väntar på facit innan patchrutinerna ses över hamnar efter.
Vill ni se hur er riskhantering står sig mot cybersäkerhetslagen är diagnosen ett bra första steg.
Källor
- OpenAI: A thousand fewer paths to root, 4 november 2026
- The Hacker News: OpenAI AI Pipeline Generates 948 Linux Root Escalation Exploits in 30-Hour Run, 5 november 2026