OpenAI کے خودکار سائبر سیکیورٹی نظام نے لینکس کرنل میں پرِولج ایسکلیشن کی 948 الگ الگ خامیاں دریافت کیں اور ان میں سے زیادہ تر کے لیے کامیاب ایکسپلائٹس بھی تیار کر لیے۔ اس تحقیق پر 1.21 ملین ڈالر (USD) API کریڈٹس کی صورت میں خرچ ہوئے۔ یہ معاملہ اس لیے اہم ہے کہ جو AI ٹولز آج دفاع کرنے والوں کے لیے خامیاں تلاش کر رہے ہیں، وہی کل حملہ آوروں کی رفتار بھی بڑھا سکتے ہیں۔
کیا ہوا دراصل
OpenAI نے بدھ کے روز نتائج شائع کیے، جن کے مطابق اس کے خودکار ایجنٹس نے لینکس کرنل کی تقریباً 2.8 ملین لائنز کوڈ، یعنی پراجیکٹ کا تقریباً 7 فیصد حصہ، اسکین کیا۔ Decrypt کے مطابق ایجنٹس نے 2,308 ممکنہ نتائج شناخت کیے، 1,724 خامیوں کو دوبارہ ثابت کیا، اور 948 لوکل پرِولج ایسکلیشن ایکسپلائٹس تیار کیے۔ اکتوبر میں چلائے گئے اس عمل پر 1,213,430 ڈالر خرچ ہوئے، یعنی فی خامی تقریباً 1,279 ڈالر۔ OpenAI نے اس کا موازنہ ہیکنگ مقابلوں میں اسی طرح کی خامیوں کے لیے دیے جانے والے 20,000 سے 70,000 ڈالر کے انعامات سے کیا، جس سے اندازہ ہوتا ہے کہ دستی طریقے سے یہ کام 18.9 ملین سے 66.3 ملین ڈالر کا پڑ سکتا تھا۔ اس سے پہلے جولائی میں GPT-5.6 Sol ماڈل نے 166 منفرد خامیاں 513,690 ڈالر میں ڈھونڈی تھیں۔ اکتوبر میں استعمال ہونے والے ایک نئے، ابھی تک عوامی طور پر جاری نہ کیے گئے ماڈل نے اس سے پانچ گنا زیادہ خامیاں تلاش کیں۔ OpenAI کے مطابق ایجنٹس نے کم از کم 10 ایسی ایکسپلائٹیشن تکنیکیں استعمال کیں جو خود اس کے اپنے محققین اور باہر کے ماہرین کے لیے بھی اجنبی تھیں۔
یہاں تک کیسے پہنچے
لینکس کلاؤڈ سرورز، اینڈرائیڈ ڈیوائسز اور عالمی کمپیوٹنگ انفراسٹرکچر کے ایک بڑے حصے کو چلاتا ہے۔ Decrypt کے مطابق OpenAI نے بتایا کہ اس نے لینکس کو اس لیے منتخب کیا تاکہ یہ جانچا جا سکے کہ فرنٹیئر ماڈلز اس سائز اور اہمیت کے کوڈبیس میں خامیاں کتنی مؤثر طریقے سے تلاش کر سکتے ہیں اور ان کا سیکیورٹی اثر کتنا ہے۔ گزشتہ ہفتے Anthropic نے انکشاف کیا تھا کہ اس کے Claude کے ایک غیر جاری شدہ ورژن نے Chrome اور لینکس میں سنگین خامیاں ڈھونڈ کر ان کا فائدہ اٹھایا، جن میں سے کچھ معمولی صارف تعامل کے ساتھ ریموٹ کوڈ ایگزیکیوشن کی اجازت دیتی تھیں۔ اس کے علاوہ Vidoc Security کے محققین نے عوامی ماڈلز استعمال کرتے ہوئے Anthropic کے Mythos AI سے منسلک خامیوں کو فی فائل 30 ڈالر سے بھی کم لاگت میں دوبارہ دریافت کیا۔ یہ تمام انکشافات مل کر ظاہر کرتے ہیں کہ AI کی مدد سے خامیاں تلاش کرنے کا کام مہنگے، دستی طریقوں سے خودکار اور سستے نظاموں کی طرف چند مہینوں میں ہی منتقل ہو رہا ہے۔
آپ کے لیے اس کی اہمیت
سافٹ ویئر مینٹینرز کے لیے اس کا مطلب یہ ہے کہ اب پیچ (patch) کی جانچ خامی تلاش کرنے سے بھی زیادہ اہم ہو جائے گی۔ OpenAI کے نظام نے ممکنہ فکسز کا مسودہ تیار کیا، مگر کمپنی کا کہنا ہے کہ ان کی تصدیق اور نفاذ کی ذمہ داری اب بھی انسانی جائزہ کاروں اور مینٹینرز پر ہی ہے۔ وئیرایبلز اور اسمارٹ گلاسز جیسے لینکس پر مبنی کنیکٹڈ ہارڈویئر بنانے والوں کے لیے، تیز تر خامی دریافت کا مطلب ہے کہ بروقت اپ ڈیٹس کی اہمیت مزید بڑھ گئی ہے۔ عام صارفین کے لیے فی الحال خطرہ نظریاتی ہی رہتا ہے، کیونکہ ان ایکسپلائٹس کے لیے پہلے لوکل رسائی درکار ہوتی ہے۔ OpenAI اپنے سب سے طاقتور ٹولز کو Daybreak Red پروگرام کے ذریعے صرف جانچے پرکھے دفاعی ماہرین تک محدود رکھ رہا ہے، لیکن اس نے خبردار کیا ہے کہ پرانے سسٹمز تک محدود رسائی رکھنے والے حملہ آور بھی AI کی مدد سے پرِولجز بڑھانے کی صلاحیت تیزی سے حاصل کر سکتے ہیں۔
بڑا سوال یہ ہے
اگر AI نظام پختہ اور بار بار جانچے گئے کوڈ میں سینکڑوں خامیاں فی خامی تقریباً 1,279 ڈالر کی لاگت پر ڈھونڈ اور ان کا فائدہ اٹھا سکتے ہیں، تو دفاعی ماہرین انہی ٹولز کا استعمال کرنے والے حملہ آوروں سے کب تک آگے رہ سکیں گے؟ OpenAI اپنے نتائج کو دفاع کی جیت قرار دیتا ہے، کیونکہ اس طرح پیچ، مجرموں کے خامیاں ڈھونڈنے سے پہلے ہی جاری کیے جا سکتے ہیں۔ لیکن جیسے جیسے طاقتور ماڈلز سستے ہوتے جائیں گے، یہی خودکار صلاحیت کم دیانتدار عناصر تک بھی پہنچ سکتی ہے۔ یہ طے کرنا کہ ان ٹولز تک رسائی کس کے پاس ہے، شاید فیصلہ کرے گا کہ اس جنگ میں فائدہ کس فریق کو ملتا ہے۔
آگے کیا دیکھنا ہے
OpenAI نے بدھ کے روز اپنے لینکس نتائج شائع کیے، مگر اکتوبر میں استعمال ہونے والے نئے سائبر ماڈل کی عوامی ریلیز کی کوئی تاریخ نہیں بتائی۔ اس کا Daybreak Red پروگرام خامیوں کی تحقیق اور تدارک کے کام کے لیے جانچے پرکھے دفاعی ماہرین کو شامل کرنے کا سلسلہ جاری رکھے ہوئے ہے۔ آنے والے دنوں میں لینکس کرنل مینٹینرز کے ردعمل اور اس بات پر نظر رکھنی ہوگی کہ آیا Anthropic یا دیگر لیبز بھی اسی طرح کے ایکسپلائٹ اعداد و شمار شائع کرتی ہیں یا نہیں۔
