Des chaînes d'exploits zero-day identifiées par une IA dans Chrome, Safari et les noyaux Linux

Des chercheurs ont utilisé un modèle d'IA interne non publié pour identifier et exploiter des failles de sécurité critiques dans des logiciels largement utilisés, notamment Chrome, Safari, Android, Windows et Linux. Les résultats, publiés le 27 octobre 2026, démontrent la capacité du modèle à construire des chaînes d'attaque complexes en plusieurs étapes, aboutissant à l'exécution de code à distance ou au vol de données avec peu ou pas d'interaction utilisateur.

Ce qui s'est passé

L'équipe de recherche a déployé un agent IA spécialisé pour auditer certains des logiciels les plus critiques en matière de sécurité au monde. Le modèle a généré avec succès cinq chaînes d'exploit distinctes ciblant les navigateurs et les systèmes d'exploitation. Il ne s'agissait pas de bugs isolés, mais de séquences coordonnées de vulnérabilités contournant plusieurs couches de défense, telles que les bacs à sable mémoire et la randomisation de la disposition de l'espace d'adressage (ASLR). Chaque découverte a été signalée au fournisseur respectif via des protocoles de divulgation coordonnée des vulnérabilités, laissant le temps nécessaire aux correctifs avant la publication des détails publics.

Dans Google Chrome, le modèle a produit un exploit d'exécution de code à distance en un clic sur macOS. Il combinait un bug de corruption de tas dans le moteur JavaScript V8, une évasion du bac à sable via une condition de course dans CacheStorage et une erreur d'utilisation après libération (use-after-free) dans la fonctionnalité de connexion FedCM. Cette chaîne permettait l'exécution de code arbitraire hors du bac à sable du navigateur. De même, dans Apple Safari, l'IA a construit une attaque uniquement basée sur les données, contournant la politique de même origine. En exploitant une vulnérabilité use-after-free dans JavaScriptCore et en tirant parti des faiblesses de l'isolation mémoire Gigacage, le modèle a obtenu un accès en lecture/écriture à des données sensibles du navigateur comme les cookies et l'historique, sans exécuter de code arbitraire.

Le périmètre s'étendait au-delà des navigateurs aux systèmes d'exploitation mobiles et de bureau. Sur Android, le modèle a chaîné trois vulnérabilités pour contourner l'écran de verrouillage sur un Pixel 9, permettant l'extraction de données via USB sans vérification utilisateur. Sous Windows, il a identifié une faille de déni de service à distance dans l'implémentation HTTP/3 QUIC en analysant le code binaire. Enfin, l'équipe a divulgué une vulnérabilité d'exécution de code à distance sans clic (zero-click) dans la pile réseau du noyau Linux, où une condition de course permettait aux attaquants d'exécuter des commandes en tant que root.

Comment cela fonctionne

L'IA ne se contentait pas de scanner des motifs connus ; elle engageait un raisonnement profond et une analyse de variantes. Pour les logiciels propriétaires comme Windows, le modèle utilisait des outils d'ingénierie inverse pour décompiler les binaires, reconstruire la logique en C et la comparer au comportement observé afin de trouver des divergences. Pour les composants open source, il analysait directement le code source. Le système employait une plateforme d'agents de scan parallèles, chacun utilisant différentes stratégies telles que des vérifications pures de couverture, une modélisation des menaces basée sur des objectifs ou des recherches spécifiques de primitives d'exploit.

Un mécanisme clé était la capacité du modèle à chaîner des vulnérabilités disparates. Par exemple, dans l'exploit du noyau Linux, l'IA a d'abord vaincu KASLR en fuitant des pointeurs du noyau via une surlecture induite par une condition de course. Elle a ensuite utilisé le même bug sous-jacent use-after-free pour faire déborder un tampon et écraser un pointeur de callback. Cela permettait à l'attaquant de détourner le flux de contrôle et d'exécuter une charge utile préparée dans la mémoire du noyau. Le processus reposait sur la mise à l'échelle du calcul au moment du test, où le modèle affinait itérativement son approche jusqu'à produire une preuve de concept fonctionnelle.

Détails clés

• Chrome 156 inclut des correctifs pour 62 CVE identifiés par le modèle, dont 13 évasions de bac à sable et 21 compromissions du renderer.
• L'exploit Safari a contourné la politique de même origine en utilisant une attaque uniquement basée sur les données, évitant le besoin d'exécution de code arbitraire.
• Le contournement de l'écran de verrouillage Android nécessitait un accès physique USB mais sautait la vérification d'appairage et les contrôles de transfert de fichiers.
• La vulnérabilité Windows (CVE-2026-33096) permettait de faire planter à distance des serveurs écoutant sur HTTP/3 via une lecture hors limites dans l'implémentation QUIC.
• La faille du noyau Linux (CVE-2026-98432) enable un accès root sans clic via TCP multipath, prenant environ 53 minutes pour être entièrement exploitée lors des tests.
• Toutes les découvertes ont été signalées selon une fenêtre de correctif de 90 jours assortie d'un délai de divulgation de 45 jours.

Pourquoi c'est important

Cette recherche signale un changement dans le paysage des menaces où les capacités cyber avancées ne sont plus limitées aux équipes de spécialistes d'élite. Les modèles d'IA peuvent désormais découvrir et combiner autonomement des vulnérabilités en exploits fonctionnels, abaissant considérablement la barrière pour les attaques sophistiquées. Pour les développeurs de logiciels, cela signifie que les hypothèses traditionnelles de sécurité concernant la difficulté de trouver des vulnérabilités profondes et chaînées ne tiennent peut-être plus. La vitesse et la profondeur de l'analyse pilotée par l'IA obligent les défenseurs à accélérer leurs propres cycles de correction et de test.

Pour les responsables d'ingénierie, l'implication est que l'analyse statique et les revues de code manuelles sont insuffisantes face à des adversaires augmentés par l'IA. La capacité de ces modèles à effectuer une analyse de variantes sur des découvertes confirmées signifie qu'un seul bug découvert pourrait rapidement révéler toute une classe de vulnérabilités connexes dans une base de code. Les défenseurs doivent adopter des stratégies de test similaires pilotées par l'IA pour suivre le rythme, en intégrant des scans automatisés dans leurs pipelines de développement pour détecter les problèmes avant qu'ils n'atteignent la production.

Ce que vous pouvez faire

• Intégrez des scans de sécurité pilotés par l'IA dans votre workflow de pull request pour détecter les vulnérabilités tôt dans le cycle de développement.
• Mettez en œuvre une analyse de variantes automatisée pour tout problème de sécurité confirmé afin d'identifier et de corriger les faiblesses connexes dans votre base de code.
• Priorisez la correction des composants d'infrastructure critique, en particulier ceux exposés à des entrées non fiables comme les piles réseau et les moteurs de navigateur.
• Adoptez une stratégie de défense en profondeur qui suppose que les évasions de bac à sable sont possibles, limitant l'impact de toute vulnérabilité unique.
• Participez aux programmes de divulgation coordonnée des vulnérabilités pour assurer une gestion responsable des failles découvertes.
• Surveillez les correctifs amont pour les dépendances open source, en particulier dans les bibliothèques de gestion de réseau et de mémoire, et appliquez les mises à jour rapidement.