历史首次！o3找到Linux内核零日漏洞，12000行代码看100遍揪出，无需调用任何工具

AI成功找到Linux安全漏洞，历史零日漏洞还是首次内核级别的零日漏洞。

刚刚，内核OpenAI总裁转发了独立研究员Seen Heelan的行代需调实验成果 ：用o3模型找到了Linux内核SMB实现中的一个远程零日漏洞。

图片

更让人惊讶的遍揪是
，整个过程中没有用到任何复杂的出无工具——没有脚手架
、没有智能体框架 、用任没有工具调用，何工仅仅是历史零日漏洞o3 API本身。源码下载

这个漏洞被编号为CVE-2025-37899
，首次是内核SMB”注销”命令处理程序中的一个释放后使用（use-after-free）漏洞。

据作者透露
，行代需调这是遍揪首次公开讨论的由大模型发现的此类漏洞。

图片

有网友看过发现过程后感叹
，出无原以为会有很疯狂的用任实验设置，但其实只是把一堆代码缝到一起，让o3检查100次。

希望其他白帽黑客已经开始像这样检查其他关键操作系统了 。亿华云

图片

OpenAI首席研究官Mark Chen表示：像o3这样的推理模型正开始助力深度技术工作和有意义的科学发现  。接下来一年，类似这样的成果将会越来越普遍：

图片

AI不仅找到漏洞，还能辅助修复

Sean Heelan是一位独立研究员
，专注于基于大模型的漏洞研究和漏洞利用自动化生成。

他原本在手动检查Linux内核的KSMBD（内核态SMB3协议实现）漏洞 ，想要暂时远离大模型相关的工具开发。

图片

但o3发布后，他忍不住想测试一下：”既然我手里已经有这些漏洞，模板下载不如看看o3能不能找到它们 ？”

他先用一个自己手动发现的漏洞CVE-2025-37778作为测试。这是Kerberos认证路径中的一个释放后使用漏洞 
，是测试大模型能力很好的基准，因为
：

它是Linux 内核远程攻击面的一部分它并不简单  ，发现他需要理解如何触发特定的会话状态、认证函数的多条执行路径、跨函数的香港云服务器对象生命周期管理但它也并非极其复杂，作者本人可以在10分钟内带着同时了解涉及到的约3300行代码

接下来开始实验之前 ，还需要搞清楚一个问题 ，该给大模型展示哪些代码
？

理想情况当然是大模型读取整个代码库并输出结果，但实践中上由于上下文窗口的限制还无法事先。

最终Heelan为 LLM 提供了“会话设置”命令处理程序的代码 ，包括它调用的所有函数的代码等等，直到调用深度达到3（这是包含推理漏洞所需代码所需的深度） ，源码库还包含了命令处理器、连接建立/拆除、请求分发等完整上下文
。

提示词中告诉o3专门寻找use-after-free漏洞，提供KSMBD架构说明 ，强调要避免误报，每个实验运行100次，统计成功率
。

相关代码和提示词已开源在GitHub上。

图片

Heelan还按同样流程测试了Claude3.7和Claude 3.5作为对比，结果o3的表现让人眼前一亮：

OpenAI o3: 100次运行中成功找到8次漏洞Claude 3.7: 100次中找到3次Claude 3.5: 100次中一次都没找到

此外有意思的的是
，o3和Claude的云计算输出风格完全不同
。

o3生成的像人类写的漏洞报告，结构清晰、重点突出

图片

Claude更像思维流或工作日志，细节丰富但略显冗长 。

图片

接下来发生的事情更精彩了。

Heelan想测试o3在更大代码量下的表现，于是给它提供了所有SMB命令处理程序的代码，约12000行代码。

虽然找到原始漏洞的成功率降到了1%，性能明显下降。但在运行结果中，o3报告了一个全新的漏洞 。

Heelan自己之前也不知道这个漏洞，它同样是由于sess->user的释放造成的 ，但这次是在会话注销处理程序中 。

图片

o3自己对这个漏洞的解释如下。

当一个ksmbd工作线程还在执行使用sess->user的请求时 ，另一个处理同一会话SMB2 LOGOFF的线程释放了该结构。没有同步机制保护该指针 ，所以第一个线程会解引用已释放的内存——这是一个经典的释放后使用漏洞，会导致内核内存损坏和任意代码执行。

更有意思的是 ，研究员发现o3不仅能找到漏洞 ，某些情况下修复方案比人类更完善 。

对于之前的Kerberos认证漏洞
，Heelan最初提出的修复是简单地将指针置空：

复制if (sess->state == SMB2_SESSION_VALID) { ksmbd_free_user(sess->user); sess->user = NULL; // 添加这行 }1.2.3.4.

但o3的报告中有指出这个修复不够充分，因为SMB协议允许两个不同的连接”绑定”到同一个会话，在释放和置空之间的短暂窗口期，另一个线程仍可能访问这个指针。

最终Heelan承认 ，如果使用o3来找和修复原始漏洞，“理论上”会比自己完成更好 。

之所以加上“理论上”的限定 ，是因为现在AI误报的比例有点高，人类很难认真仔细地查看o3的每份报告 。

不过他也认为随着技术的发展，这个比例只会越来越低 。

Heelan在报告结尾感慨道：

大模型在程序分析技术的能力空间中 ，处于一个比我们见过的任何东西都更接近人类的位置。考虑到创造力、灵活性和通用性，LLM更像是人类代码审计员，而不是符号执行、抽象解释或模糊测试
。

他特别强调，如果你从事安全研究工作，现在应该开始密切关注了：

专家级研究员不会被取代 ，反而会变得更高效对于10000行以内的代码问题，o3有相当大的概率能解决或帮助解决虽然仍有约1:50的信噪比问题 ，但这已经值得投入时间和精力

不过也有人看到了其中的风险：

如果坏人利用AI的能力找到类似的漏洞并攻击系统又如何呢？

图片