Chuỗi mô hình AI khai thác lỗ hổng zero-day trên Chrome, Safari và nhân Linux

Các nhà nghiên cứu đã sử dụng một mô hình AI nội bộ chưa được công bố để xác định và khai thác các lỗ hổng bảo mật nghiêm trọng trong phần mềm phổ biến, bao gồm Chrome, Safari, Android, Windows và Linux. Các kết quả nghiên cứu, được công bố vào ngày 27 tháng 10 năm 2026, chứng minh khả năng của mô hình trong việc xây dựng các chuỗi tấn công phức tạp, đa bước, dẫn đến thực thi mã từ xa hoặc đánh cắp dữ liệu với rất ít hoặc không cần sự tương tác của người dùng.

Chuyện gì đã xảy ra

Nhóm nghiên cứu đã triển khai một tác nhân AI chuyên dụng để kiểm toán một số phần mềm có yêu cầu bảo mật cao nhất thế giới. Mô hình này đã tạo thành công năm chuỗi khai thác riêng biệt nhắm vào các trình duyệt và hệ điều hành. Đây không phải là những lỗi đơn lẻ mà là các chuỗi lỗ hổng phối hợp, vượt qua nhiều lớp phòng thủ như sandbox bộ nhớ và random hóa bố cục không gian địa chỉ (ASLR). Mỗi phát hiện đều được báo cáo cho nhà cung cấp tương ứng thông qua các giao thức tiết lộ lỗ hổng theo cách phối hợp, dành thời gian để vá lỗi trước khi chi tiết công khai được đưa ra.

Trên Google Chrome, mô hình đã tạo ra một phương thức khai thác thực thi mã từ xa bằng một cú nhấp chuột trên macOS. Phương thức này kết hợp một lỗi hỏng heap trong engine JavaScript V8 với một cuộc thoát sandbox thông qua điều kiện race trong CacheStorage và lỗi use-after-free trong tính năng đăng nhập FedCM. Chuỗi này cho phép thực thi mã tùy ý bên ngoài sandbox của trình duyệt. Tương tự, trên Apple Safari, AI đã xây dựng một cuộc tấn công chỉ tập trung vào dữ liệu nhằm vượt qua chính sách cùng nguồn gốc (same-origin policy). Bằng cách khai thác lỗ hổng use-after-free trong JavaScriptCore và tận dụng các điểm yếu trong cơ chế cô lập bộ nhớ Gigacage, mô hình đã giành được quyền đọc/ghi đối với dữ liệu nhạy cảm của trình duyệt như cookie và lịch sử mà không cần thực thi mã tùy ý.

Phạm vi nghiên cứu mở rộng ra ngoài các trình duyệt sang hệ điều hành di động và máy tính để bàn. Trên Android, mô hình đã liên kết ba lỗ hổng để bỏ qua màn hình khóa trên Pixel 9, cho phép trích xuất dữ liệu qua USB mà không cần xác minh người dùng. Trên Windows, nó xác định một lỗ hổng từ chối dịch vụ từ xa (remote denial-of-service) trong triển khai HTTP/3 QUIC bằng cách phân tích mã nhị phân. Cuối cùng, nhóm đã tiết lộ một lỗ hổng thực thi mã từ xa không cần nhấp chuột (zero-click) trong stack mạng của nhân Linux, nơi một điều kiện race cho phép kẻ tấn công chạy lệnh với quyền root.

Cách thức hoạt động

AI không chỉ đơn thuần quét các mẫu đã biết; nó tham gia vào suy luận sâu và phân tích biến thể. Đối với phần mềm độc quyền như Windows, mô hình sử dụng các công cụ kỹ thuật ngược để giải mã các file nhị phân, tái cấu trúc logic trong C và so sánh với hành vi quan sát được để tìm ra các điểm bất thường. Đối với các thành phần mã nguồn mở, nó phân tích trực tiếp mã nguồn. Hệ thống sử dụng một nền tảng gồm các tác nhân quét song song, mỗi tác nhân áp dụng các chiến lược khác nhau như kiểm tra độ phủ thuần túy, mô hình hóa mối đe dọa dựa trên mục tiêu hoặc tìm kiếm các nguyên thủy khai thác cụ thể.

Cơ chế then chốt là khả năng liên kết các lỗ hổng rời rạc của mô hình. Ví dụ, trong trường hợp khai thác nhân Linux, AI trước tiên vô hiệu hóa KASLR bằng cách rò rỉ các con trỏ kernel thông qua một lỗi overread do điều kiện race gây ra. Sau đó, nó sử dụng cùng lỗi use-after-free cơ bản để tràn buffer và ghi đè lên một con trỏ callback. Điều này cho phép kẻ tấn công chiếm quyền điều khiển luồng và thực thi payload được chuẩn bị sẵn trong bộ nhớ kernel. Quá trình này dựa vào việc mở rộng tài nguyên tính toán tại thời điểm thử nghiệm (test-time compute scaling), nơi mô hình tinh chỉnh cách tiếp cận lặp đi lặp lại cho đến khi tạo ra một bằng chứng khái niệm (proof of concept) hoạt động được.

Chi tiết chính

• Chrome 156 bao gồm các bản vá cho 62 CVE do mô hình xác định, trong đó có 13 cuộc thoát sandbox và 21 vụ xâm phạm renderer.
• Cuộc khai thác Safari vượt qua chính sách cùng nguồn gốc bằng một cuộc tấn công chỉ tập trung vào dữ liệu, tránh nhu cầu thực thi mã tùy ý.
• Việc bỏ qua màn hình khóa Android đòi hỏi truy cập vật lý qua USB nhưng bỏ qua xác minh ghép nối và kiểm tra truyền tệp.
• Lỗ hổng Windows (CVE-2026-33096) cho phép làm sập từ xa các máy chủ đang lắng nghe HTTP/3 thông qua một lỗi đọc ngoài biên (out-of-bounds read) trong triển khai QUIC.
• Lỗi nhân Linux (CVE-2026-98432) cho phép truy cập root không cần nhấp chuột (zero-click) thông qua multipath TCP, mất khoảng 53 phút để khai thác hoàn toàn trong các bài kiểm tra.
• Tất cả các phát hiện đều được báo cáo theo cửa sổ vá lỗi 90 ngày cộng thêm độ trễ tiết lộ 45 ngày.

Tại sao điều này quan trọng

Nghiên cứu này báo hiệu một sự thay đổi trong bối cảnh mối đe dọa, nơi các năng lực cyber tiên tiến không còn bị giới hạn trong các đội ngũ chuyên gia tinh nhuệ. Các mô hình AI giờ đây có thể tự động khám phá và kết hợp các lỗ hổng thành các cuộc khai thác hoạt động, hạ thấp đáng kể rào cản cho các cuộc tấn công tinh vi. Đối với những người xây dựng phần mềm, điều này có nghĩa là các giả định bảo mật truyền thống về độ khó trong việc tìm ra các lỗ hổng sâu, liên kết có thể không còn đúng nữa. Tốc độ và độ sâu của phân tích do AI thúc đẩy đòi hỏi những người phòng thủ phải đẩy nhanh chu kỳ vá lỗi và kiểm thử của họ.

Đối với các trưởng nhóm kỹ thuật, hàm ý là phân tích tĩnh và rà soát mã thủ công là không đủ để chống lại các đối thủ được tăng cường bởi AI. Khả năng của các mô hình này trong việc thực hiện phân tích biến thể trên các phát hiện đã xác nhận có nghĩa là một lỗi duy nhất được tìm thấy có thể nhanh chóng tiết lộ cả một lớp các lỗ hổng liên quan trong toàn bộ codebase. Những người phòng thủ phải áp dụng các chiến lược kiểm thử do AI thúc đẩy tương tự để bắt kịp, tích hợp quét tự động vào quy trình phát triển của họ để phát hiện vấn đề trước khi chúng đến môi trường sản xuất.

Bạn có thể làm gì

• Tích hợp quét bảo mật dựa trên AI vào quy trình pull request của bạn để phát hiện các lỗ hổng sớm trong chu kỳ phát triển.
• Triển khai phân tích biến thể tự động cho bất kỳ vấn đề bảo mật nào đã xác nhận để tìm ra và vá các điểm yếu liên quan trong toàn bộ codebase của bạn.
• Ưu tiên vá lỗi cho các thành phần cơ sở hạ tầng quan trọng, đặc biệt là những thành phần tiếp xúc với đầu vào không tin cậy như stack mạng và engine trình duyệt.
• Áp dụng chiến lược phòng thủ chiều sâu (defense-in-depth) với giả định rằng các cuộc thoát sandbox là có thể xảy ra, hạn chế tác động của bất kỳ lỗ hổng đơn lẻ nào.
• Tham gia các chương trình tiết lộ lỗ hổng theo cách phối hợp để đảm bảo xử lý có trách nhiệm các lỗi được phát hiện.
• Theo dõi các bản vá upstream cho các phụ thuộc mã nguồn mở, đặc biệt là trong các thư viện quản lý bộ nhớ và mạng, và áp dụng các bản cập nhật kịp thời.