OpenAI o3模型在Linux内核中成功发现了一个高危0-day漏洞（CVE-2025-37899），展现出令人瞩目的能力。接下来，我们将从“零日漏洞”的基本概念出发，逐步剖析o3模型的具体表现、发现过程及其带来的深远影响。

一、什么是“零日漏洞”？

零日漏洞（zero-day vulnerability）是指软件或硬件中一个尚未获得有效补丁的安全漏洞，且该软件或硬件的供应商通常对此毫不知情。利用此类漏洞发起的攻击被称为零日攻击（zero-day exploit）。“零日”一词最初用于描述“零天”（即未公开发布）的盗版软件，后来引申为修复漏洞的时间极为紧迫。由于漏洞已被发现或利用，留给供应商准备补丁的时间几乎为零，因此得名“零日”。

通俗地讲，零日漏洞就像房屋中一个未被发现的隐秘入口，入侵者已经进入，而屋主并不知道这个入口的存在，更谈不上修复它。

二、o3模型在Linux内核中的卓越表现

安全研究员Sean Heelan在审计Linux内核中的ksmbd模块（一个在内核空间实现SMB3协议的文件共享服务）时，为测试OpenAI o3模型的能力，提出了一个极具挑战性的问题：o3能否发现Linux内核中的安全漏洞？

2.1 基准测试：o3与Claude Sonnet的对比

Sean首先使用一个他此前手动发现的漏洞（CVE-2025-37778，一个“Kerberos认证漏洞”）来检验o3。该漏洞出现在处理Kerberos认证路径中的“会话设置”请求时，是一个典型的UAF（Use-After-Free，释放后使用）漏洞。

• 漏洞原理简述： 当函数krb5_authenticate检测到会话状态为SMB2_SESSION_VALID时，会释放sess->user。代码逻辑假设后续要么重新初始化sess->user，要么在返回错误后不再使用它。但实际情况并非如此，攻击者可构造特殊路径，使sess->user未被重新初始化，并在返回错误后仍被访问，从而触发UAF漏洞。
• LLM测试设置：
  • 代码范围：Sean提取了“会话设置”命令处理函数及其调用的三层深度内的所有函数代码，加上数据读取、请求解析、连接拆除等部分，总计约3.3k行C代码（约2.7万tokens）。
  • Prompt核心：明确要求LLM寻找UAF漏洞；提供ksmbd的高级概述、架构和威胁模型；强烈引导LLM避免误报，宁可漏报也不可错报。

测试结果（100次运行）：

• o3模型：成功识别该漏洞达8次，66次漏报，28次误报。真实漏洞与误报的比例约为1:4.5。这意味着平均每查看最多5个误报，就能发现1个真实漏洞。
• Claude Sonnet 3.7：在100次运行中成功找到3次。
• Claude Sonnet 3.5：在100次运行中成功找到0次。

值得注意： Sean强调，1:4.5的比例仅代表o3在特定代码片段上的表现。但关键在于，面对3.3k行真实且非平凡的C代码，o3能以合理的信噪比和2-3倍于竞品的效率识别出这个UAF漏洞，这无疑是LLM能力的一次重大飞跃。

此外，o3生成的报告风格更接近人类编写的漏洞报告，内容精炼且重点突出；而Sonnet 3.7的风格则更像工作日志或思考过程。尽管各有优劣，但o3的输出在结构和重点方面更易于理解。

三、意外发现：o3独立识别出一个0-day漏洞（CVE-2025-37899）

在确认o3能发现已知漏洞后，Sean进一步扩大了测试范围：他将ksmbd中所有命令处理相关代码（主要在smb2pdu.c，约9k LoC），加上连接设置、拆除、命令分发等代码，总计约12k LoC（约10万输入tokens），全部提供给o3，同样运行了100次。

结果如何？

• 对于之前的“Kerberos认证漏洞”，在更大的代码量下，o3仅成功找到1次，性能有所下降。
• 然而，在另一次运行中，o3的报告里出现了一个全新的、类似的UAF漏洞！这次问题出现在SMB的“logoff”（注销）命令处理中。这就是后来的CVE-2025-37899！

漏洞详解： 这个新漏洞同样是sess->user被释放后，仍被其他线程访问所致。o3的描述非常精准：“在logoff过程中，如果另一个线程在ksmbd_free_user之后、sess->user = NULL之前这极其短暂的窗口期内访问sess->user，就会触发UAF漏洞。”

Sean表示，读到这份报告时，他对AI工具在漏洞研究中的潜力有了全新的认识。即使AI止步于此，安全研究员也应开始思考如何将其整合进自己的工作流程。当然，针对这个0-day漏洞，o3的信噪比大约在1:50左右，处理起来仍具挑战，但这已是实实在在的进步。

四、o3的洞察力：甚至超越了人类专家？

更有趣的是，Sean最初修复“Kerberos认证漏洞”时，他给出的补丁如下：

-       if (sess->state == SMB2_SESSION_VALID)
-           ksmbd_free_user(sess->user);
+       if (sess->state == SMB2_SESSION_VALID) {
+           ksmbd_free_user(sess->user);
+           sess->user = NULL;
+       }

这个补丁仅仅是在释放sess->user后将其设置为NULL。

但在阅读了o3关于logoff漏洞（CVE-2025-37899）的报告后，Sean意识到他原来的修复方案并不彻底。原因在于：SMB协议允许不同连接“绑定”到同一个会话。在logoff场景下，即使sess->user被设为NULL，如果另一个线程在ksmbd_free_user之后、sess->user = NULL之前这极短的窗口期内访问sess->user，依然会触发UAF。

回过头再看o3针对Kerberos认证漏洞的某些报告，Sean发现o3有时也犯了和他同样的错误。但令Sean惊讶的是，在其他一些报告里，o3正确地指出将sess->user设为NULL不足以完全修复问题，因为它充分考虑到了会话绑定的可能性。

这意味着，如果Sean当初借助o3辅助发现和修复Kerberos漏洞，理论上他能做得比自己单独修复更好！当然，他也坦言，以当前o3的误报率，要仔细甄别每一份报告并找到那个“正确”的解决方案，任务依然艰巨。但不可否认的是，这个趋势极为积极。

五、常见问题与解答

Q1：o3模型为什么能发现这个漏洞？

A1：o3在代码推理、问答和问题解决方面表现出色。它能够阅读并理解复杂的C语言代码逻辑，识别出函数调用之间的错误假设。例如，它识别出krb5_authenticate函数假设释放sess->user后不会再被使用，但实际存在竞争条件导致失效。这种人类专家式的逻辑推理能力，是它发现漏洞的关键。

Q2：o3误报率这么高，实际应用价值大吗？

A2：尽管误报率较高（例如在发现0-day时信噪比约为1:50），但其价值在于发现了人类专家可能遗漏的漏洞。对于安全研究员而言，利用o3可以极大地增加发现新型漏洞的概率，并且它生成的报告比传统工具（如符号执行、Fuzzing）更具可读性和洞察力，值得投入时间去深入研究其输出。

Q3：o3能完全取代人类安全专家吗？

A3：不能。o3目前仍然是一个强大的辅助工具，而不能完全替代人类专家。它可能产生无意义的结果，且信噪比还有待提升。但是，它给出正确结果的几率已经“高到值得你投入时间和精力”，可以显著提升人类在漏洞研究中的效率和表现。

六、总结与未来展望

Sean Heelan的经历充分证明了LLM在程序分析能力上已达到一个前所未有的、更接近人类的水平。相比传统的符号执行、抽象解释或Fuzzing等技术，LLM在创造力、灵活性和通用性方面，更像是一个人类代码审计员。

自GPT-4以来，LLM在漏洞研究中的潜力初现端倪，但真实世界问题的效果往往不尽如人意。o3的出现改变了这一点。我们现在拥有一个在代码推理、问答、编程和问题解决方面足够出色的模型，它能够真正地提升人类在漏洞研究中的表现。

o3并非完美无缺，它仍然可能产出无意义的结果，令人感到沮丧。但最关键的区别在于：给出正确结果的几率，已经高到足以值得我们投入时间和精力，在真实的安全问题上进行尝试。 这无疑是AI在安全领域中的一个重要里程碑。