研究员自述：AI协助挖出Linux内核7.8分漏洞，普通用户仅需本地账户即可提权至root

“AI仍然有很多盲点和推理失误，”研究人员Lee Jia Jie在技术文档中写道，“但它在发现这个漏洞、生成KASAN概念验证以及优化竞态条件窗口方面确实帮了大忙。”这份坦率，反而让STAR Labs刚刚公开的Linux内核提权漏洞，成为一扇观察AI辅助漏洞挖掘实际效用的窗口。

7月28日，网络安全界流传的一份完整利用代码，直指Linux内核流量控制子系统的一个高危缺陷。漏洞编号CVE-2026-53264，CVSS评分7.8，属于本地权限提升。攻击者只要在目标机器上持有一个普通用户账户，就能利用该漏洞获取root权限，彻底控制安装了特定配置的CentOS Stream 9系统。更值得关注的是，这一利用工具链的研发全程有AI参与——研究人员公开承认，自己借助大模型加速了发现、验证和武器化的过程。

消息一出，开发者社区迅速聚焦两个问题：漏洞原理有多深？AI到底帮了多少忙？

时间线复盘：从发现到公开仅两个月

回溯事件关键节点，节奏远比传统漏洞挖掘快得多。依据上游补丁记录，修复于2026年6月1日进入Linux主线，随后被回溯移植到多个稳定内核分支，包括5.10.259、5.15.210、6.1.176、6.6.143、6.12.94、6.18.36和7.0.13，主线修复则落在7.1-rc7版本。Linux CNA给出的受影响版本起点是Linux 4.14，意味着四年前的内核都可能中招。

就在修复上线的不到两个月后，STAR Labs发布了完整的本地提权利用工具，附带详尽的技术文档。这意味着，攻击者已经可以零门槛地复现攻击。值得庆幸的是，安全情报源显示，截至发稿，CISA的已知利用漏洞目录中尚无此条目，也没有监测到野外利用的官方报告。留给运维人员的窗口虽然紧张，但仍然存在。

Lee Jia Jie在技术文章中证实，他在整个过程中——从漏洞发现、制作KASAN内存错误检测的概念验证，到扩宽竞态条件窗口的代码优化——均使用了AI辅助。不过，STAR Labs没有公布具体的模型名称、服务商、提示词或交互记录。The Hacker News已向该团队询问AI系统详情、测试环境和披露时间线，并将在获得回应后更新。

漏洞机理：多线程竞态之下的对象释放幻影

要理解这个漏洞的精巧之处，需要先拆解一下流量控制（Traffic Control）子系统的工作方式。Linux内核的流量控制系统允许管理员通过排队规则（qdisc）和过滤器（filter）对数据包排序和标记。其中，clsact是一种特殊的排队规则，可以附着在网卡上，处理入口和出口流量；flower则是一种灵活的分类器，能匹配数据包的诸多字段。

漏洞就出在clsact之上的flower过滤器创建和删除过程里。当用户通过netlink套接字发出RTM_NEWTFILTER请求新建一个过滤器时，内核会为这条规则分配一个动作对象（action object）。如果同时另一个线程发送RTM_DELTFILTER删除同样的过滤器，前者可能还在读取该动作对象时，后者已经将它释放。这种典型的释放后使用（use-after-free）竞态条件，导致了内存损坏。

上游补丁干净利落地解决了这个竞态：将释放动作对象的操作推迟，直到所有可能还在读取它的RCU（读-复制-更新）读者都完成。这一改动引入了RCU sync机制，保证释放动作对象前数据不再被引用。

Lee的攻击程序很聪明地绕过了直接触发竞态的难度。他没有在真实网络环境里反复尝试，而是创建了独立的用户命名空间和网络命名空间。这样一来，即便只是普通用户，也能在命名空间内获得CAP_NET_ADMIN能力，而不需要宿主机的特权。接着，他通过clsact队列和flower过滤器抵达漏洞路径。随后，利用timerfd和epoll调用人为地放大竞态窗口，使释放后使用更容易捕捉。当内核释放动作对象后，攻击程序立即用精心构造的payload分配抢占同一块内存，改写关键数据。

传统上，本地提权攻击的高潮往往是一段返回导向编程（ROP）链。Lee的利用工具正是如此。它覆写了core_pattern内核参数，这个参数原本用于指定内核panic或crash时执行的用户空间程序。利用程序将自己的一份副本放入memfd内存文件系统，然后故意使一个子进程崩溃，导致内核依据被篡改的core_pattern，以root权限执行那份memfd中的代码——于是，root shell应声弹出。

AI究竟做了什么？

由于没有放出模型和交互细节，外界很难给AI的贡献定级。但Lee描述的几个环节依然有迹可循。漏洞发现阶段，人类常需阅读数千行内核代码，追踪对象生命期。AI模型通过上下文分析，可能帮助标记出动作对象在并发路径中的潜在悬空引用。制作KASAN PoC时，AI可以快速生成模糊测试或触发用例的模板，节省大量手写代码的时间。在拓宽竞态窗口这一步，AI甚至可能建议了timerfd和epoll的组合使用，这类优化通常需要深厚的代码路径知识。

然而，Lee反复强调人类判断的主导性。AI能指出可疑的点，但判别哪些竞态可以稳定触发，哪些内存布局能被可靠利用，需要研发者的经验和直觉。对于AI辅助安全研究的真实能力，这份谨慎是必要的——没有证据证明AI完全自主挖出了一个零日漏洞，更像是把经验丰富的工程师的工具箱升级成了电动版。

受影响面与缓解措施

尽管攻击程序针对的是CentOS Stream 9，但影响范围并不仅限于此。该漏洞存在于Linux 4.14及以上的所有未修补版本中。攻击成功还需要四个条件：非特权用户命名空间开启（多数现代发行版默认开启），内核编译选项CONFIG_NET_ACT_GACT和CONFIG_NET_CLS_FLOWER启用，内核特定的ROP链包含硬编码的偏移量。对于经过加固的系统或定制内核，利用难度会显著上升。

值得警惕的是，完整的利用源代码已经公开。即便当前没有发现主动利用，但漏洞武器的火苗已经落入公共领域，恶意攻击者可以随时调整偏移量，适配更多的发行版。因此，Linux用户不应只依赖上游版本号判断是否安全，而必须立即安装发行版官方仓库中携带修复补丁的内核包。对于无法立即升级的系统，临时关闭非特权用户命名空间或限制网络命名空间的创建，可以阻断最直接的攻击路径。

AI辅助安全研究的边界与野心

CVE-2026-53264的出现，给安全行业带来了一股复杂的情绪。一方面，AI在辅助复杂漏洞发现上的潜力让人兴奋——借助语言模型的模式识别和代码生成能力，个人研究者能在更短时间内翻出深埋内核的竞态条件。另一方面，漏洞公开周期的缩短和武器化的低门槛，又令防御方的压力陡增。

Lee的结语很实在：AI仍然有很多盲点和推理失误，人类判断始终不可或缺。这句话放在今天，既是对盲目鼓吹AI独立挖洞论者的降温，也暗示着另一种未来——当越来越多的漏洞挖掘者将AI纳入自己的工作流，安全领域需要为之适配的，可能是全新的威胁评估框架与修补节奏。

可以确定的是，从Linux 4.14到7.1-rc7这长长的版本跨度，已经给数不清的服务器、云实例以及嵌入式设备埋下了时间引信。STAR Labs的这次公开，则充当了那颗突然被拧紧的发条。