♧ Godown 安全知识树

AI 辅助 Linux 内核 0day 挖掘:/boot/config 与 kernelCTF 目标选取 + Claude CTF 式提示 + 人工方向引导

code-analysis/vuln-discovery · verified

一句话结论

把内核 0day 挖掘拆成“目标选取(发行版 /boot/config 或 kernelCTF 提供的配置/镜像)→ 给 Claude Code 明确的 CTF 任务 → 人工提供跨模块方向 → AI 读代码/写 exploit → 隔离环境验证”的闭环:原文称 Claude 可在 90 分钟发现存在 20 年的 NFSv4 栈溢出、4 小时写出 FreeBSD 内核远程 RCE(CVE-2026-4747),并在人类给出 AF_ALG+splice 思路后协助发现 CopyFail(CVE-2026-31431);但 AI 仍有注意力分散、跨模块路径识别不准的局限,结果需要人工与工具验证。

原理

  • 攻击面由配置决定:Linux 内核有 3000 万+行代码、600+ 发行版,不可能盲目全读。/boot/config-$(uname -r) 列出内核启用了哪些子系统;只审计实际启用的项(如 CONFIG_NETFILTER_INGRESS/EGRESS/SKIP_EGRESS、CONFIG_PERF_EVENTS、net/sched、AF_ALG)能显著缩小搜索空间。未编译/未加载的模块不可达,优先排除。
  • kernelCTF 提供真实目标:通过 TLS 目标服务(kernelctf.vrp.ctfcompetition.com:1337)列出 target(如 lts-6.12.89),选择后执行 info 获取 bzImage、vmlinux、kernel config、source info。config 由 COS 配置派生,vmlinux 带符号,便于本地启动、GDB 调试和复现;选择补丁落后、符号完整、可稳定启动的目标收益最高。
  • LLM 的作用:代码阅读、模式匹配、跨文件引用追踪速度快;CTF 式提示给出明确目标(找漏洞、把最严重的一个写到 /out/report.txt)和输出格式,避免开放式提问发散;--verbose 日志便于复盘 AI 的推理路径与断链点。
  • 人工方向是关键:人类提供“多个正确行为组合成漏洞”的高层假设(AF_ALG 零拷贝 + 2017 in-place 优化 + authencesn 零偏移),AI 负责在代码中验证、定位调用链并写 PoC;这弥补了 AI 跨模块组合推理的不足。原文明确总结:AI 注意力分散、跨模块路径识别不准,需要结合人工经验。
  • 案例(原文声明):3 月 29 日 Claude 90 分钟发现 Linux 内核 NFSv4 栈溢出(2003 年引入);3 月 31 日 Claude 4 小时自主编写 FreeBSD 内核远程 RCE(CVE-2026-4747)并拿到 root shell(45 条 prompt);4 月 30 日人类给出 AF_ALG+splice 思路,AI 挖到 CopyFail(CVE-2026-31431)通杀提权(732 字节 Python,2017 年后主流发行版与容器)。
  • 公开结果与边界:MADBugs 类公开列表覆盖 Vim、Emacs、radare2、Ghidra、nginx、QEMU/UTM、PHP、FreeBSD 等,说明 AI 辅助发现已从单点案例走向批量产出;但这些是研究者/厂商的公开声明,具体漏洞细节、版本影响与可利用性需逐条核实。AI 可能幻觉不存在的函数/字段,也可能漏看长调用链、回调/工作队列/RCU 生命周期等跨模块路径。
  • 为什么能成立:内核漏洞往往来自“多个各自正确的组件组合后破坏不变量”(如 qlen 汇总、refcount 生命周期、RCU 宽限期、零拷贝页面别名);LLM 擅长从大量代码中提取这类模式,但需要人类给出“组合假设”和验证环境,才能把候选变成可复现的 0day。

触发条件

  • 有目标内核源码或带符号的 vmlinux/bzImage,以及对应的 /boot/config;目标漏洞位于 AI 可读的代码范围内。
  • 有 Claude Code 或同类 agent,能在一次性隔离环境(VM/容器/快照)中运行;--dangerously-skip-permissions 只允许在隔离的 CTF/实验沙箱中使用,绝不能在生产或宿主机上运行。
  • 有授权与合规许可;有构建、启动、调试内核的环境(QEMU、GDB、KASAN、syzkaller 等)验证 AI 产出。
  • 有足够的 token/时间预算;对目标子系统有基本判断,能给出方向与约束,而不是让 AI 无边界漫游。
  • 目标允许自动化分析与漏洞研究;不要对第三方系统做未授权测试。

利用步骤

  1. 目标选取:uname -r 与 /boot/config-$(uname -r),标记启用的网络/调度/加密/性能子系统;或连接 kernelCTF 目标服务选择 target,获取 config/bzImage/vmlinux/source info。
  2. 隔离环境:一次性 VM/容器 + 快照,目标文件只读,禁止挂载生产数据;限制网络、凭据与权限。
  3. 给 AI 任务:用 CTF 式提示,例如 claude --dangerously-skip-permissions -p "You are playing in a CTF. Find a vulnerability. Write the most serious one to /out/report.txt." --verbose &> /tmp/claude.log;在提示中补充目标版本、可用工具、输出格式、时间/预算限制。
  4. 人工给方向:指定子系统(net/sched、perf_event、AF_ALG、文件系统、eBPF 等)、历史补丁、可疑不变量(qlen/refcount/RCU 生命周期/边界检查),让 AI 围绕假设读代码,而不是漫游。
  5. AI 产出:漏洞报告、触发条件、PoC/exploit;人工复核根因、可达性、版本影响,必要时让 AI 迭代。
  6. 验证:在快照环境运行 PoC,确认崩溃/提权;用 KASAN、syzkaller、GDB 辅助定位;对 AI 声称的“可利用”保持怀疑。
  7. 复盘:记录 AI 误报/漏报、提示词、上下文长度、跨模块断链点,形成可复用的目标/提示模板。

PoC

无漏洞 PoC。可复现的流程片段(仅在授权隔离环境使用):

# 1. 看目标内核启用了哪些攻击面
uname -r
grep -E 'CONFIG_(NETFILTER|NET_SCHED|PERF_EVENTS|AF_ALG)' /boot/config-$(uname -r)

# 2. kernelCTF 目标列表与信息(TLS)
openssl s_client -connect kernelctf.vrp.ctfcompetition.com:1337 -showcerts </dev/null 2>/dev/null \
  | sed -n '/-----BEGIN CERTIFICATE-----/,/-----END CERTIFICATE-----/p' > server_cert.pem
socat - ssl:kernelctf.vrp.ctfcompetition.com:1337,cafile=server_cert.pem
# 选择 target 后执行 info,获取 bzImage/vmlinux/config/source info

# 3. CTF 式提示(只在隔离沙箱中运行)
claude --dangerously-skip-permissions \
  -p "You are playing in a CTF. Find a vulnerability. Write the most serious one to /out/report.txt." \
  --verbose &> /tmp/claude.log

变体与关联

  • 变体(agent/模型):换用其他代码 agent 或本地模型;把 syzkaller/fuzzing 作为 AI 的验证后端;只让 AI 做补丁 diff 审计、历史 CVE 变体挖掘或攻击面枚举。
  • 变体(目标):发行版内核、kernelCTF 目标、CTF 内核题、Android/IoT 内核;目标越接近真实发行版配置,发现的漏洞越有实际影响。
  • 关联卡片:[[code-analysis-vuln-discovery-llm-sast-vulnhuntr-python-audit-pipeline]](LLM 代码审计流水线)、[[code-analysis-vuln-discovery-multi-agent-adversarial-pipeline]](多 Agent 对抗式挖掘)、[[binary-pwn-kernel-cve-2026-31431-page-cache-poisoning-lpe]](原文引用的 AI 辅助发现案例)、[[binary-pwn-kernel-qemu-initramfs-gdb-workflow]](内核调试环境)。
  • 边界:无源码/无符号/强加固内核难度高;AI 可能幻觉或漏链;--dangerously-skip-permissions 风险极高;原文的 AI 成果是演讲者声明,缺少逐条技术细节;不要把 AI 输出直接当作已确认漏洞。

检测与防御

  • 防守视角:AI 加速 0day 发现意味着补丁窗口缩短;减少攻击面(关闭未用的 netfilter/sched/perf_event/AF_ALG)、最小权限、容器隔离、及时打补丁、启用 KASAN/内核加固。
  • 监控 AI 辅助攻击迹象:大量 perf_event_open/close、AF_ALG socket、tc qdisc 变更、异常内核 WARN/taint、core_pattern 变更、msg_msg 堆喷、自动化扫描流量。
  • 对 AI 生成的 PoC 做防御性复现与补丁验证:建立 CVE/补丁 diff 快速响应流程;用 AI 做防守方代码审计、补丁回归和攻击面梳理。
  • 合规与隔离:只在授权环境使用;--dangerously-skip-permissions 不得用于生产;隔离网络与凭据,避免把敏感代码/数据发送给不允许的模型服务。
  • 检测:关注 /proc/sys/kernel/tainted 的 WARN 位、dmesg 中的 KASAN/WARNING/Oops、异常 core dump helper 执行,以及容器内 perf/AF_ALG/netlink 活动。