Найден удаленный 0-day в Linux SMB — и всё благодаря o3

Исследователь использовал инструмент o3 и обнаружил критическую уязвимость в реализации SMB в Linux. Удаленный эксплойт, нулевой день — звучит как начало хоррора для админов. 🔍💥 Патч уже в работе, но пока детали держат в секрете. Будьте настороже!

---

Технический обзор

Исследователь уязвимостей с помощью OpenAI o3 обнаружил критическую уязвимость типа use-after-free (CVE-2025-37899) в модуле ksmbd Linux-ядра, реализующем серверный протокол SMB3. Уязвимость позволяет удалённому злоумышленнику выполнить произвольный код в контексте ядра ОС.

Детали уязвимости

Технический контекст

ksmbd — это in-kernel реализация SMB3-сервера в Linux, появившаяся как альтернатива userspace-решениям вроде Samba. Основное преимущество — повышенная производительность за счёт работы в пространстве ядра.

Суть уязвимости

Уязвимость возникает при обработке команды SMB LOGOFF в условиях:

1. Наличие нескольких соединений, привязанных к одной сессии (SMB 3.0+ с опцией binding)
2. Один поток (Worker-A) выполняет операции (например, WRITE), использующие sess->user
3. Параллельно другой поток (Worker-B) обрабатывает LOGOFF и освобождает sess->user через ksmbd_free_user()

Проблема в отсутствии синхронизации доступа к sess->user между потоками и недостаточном контроле жизненного цикла объекта.

Эксплуатация

Атакующий может:

1. Установить несколько соединений к общей сессии
2. Инициировать операции записи с одного соединения
3. Параллельно отправить LOGOFF с другого соединения
4. Получить контроль над freed memory в ядре

Методология обнаружения

Использование o3

Исследователь применил несколько инновационных подходов:

1. Контекстный анализ: передача модели ~12k строк кода (100k токенов) с обработчиками SMB-команд
2. Глубокое понимание параллелизма: модель корректно проанализировала race condition между потоками
3. Семантическое сопоставление: выявление шаблона use-after-free без явного указания на проблемную область

Статистика эффективности

• Вероятность обнаружения уязвимости: 8% при целенаправленном анализе
• Ложные срабатывания: соотношение 1:4.5 true/false positive
• Преимущество перед Claude Sonnet 3.7: в 2.6 раза выше эффективность

Сравнительный анализ подходов

Метод	Точность	Масштабируемость	Глубина анализа
Ручной аудит	Высокая	Низкая	Максимальная
Символьное исполнение	Средняя	Высокая	Ограниченная
Фаззинг	Низкая	Высокая	Поверхностная
o3 (LLM)	Средняя	Средняя	Глубокая

Практические рекомендации

Для разработчиков:

1. Добавить reference counting для sess->user
2. Реализовать механизм ожидания завершения всех операций с сессией перед освобождением ресурсов
3. Ввести дополнительную синхронизацию для операций с sess->user

Для исследователей безопасности:

1. Интегрировать LLM в процесс code review для сложных конкурентных сценариев
2. Комбинировать статический анализ с LLM для снижения false positive
3. Создавать специализированные prompt-библиотеки для разных классов уязвимостей

Технические выводы

1. Модель o3 демонстрирует качественный скачок в анализе кода по сравнению с предшественниками
2. LLM особенно эффективны для обнаружения сложных race condition и проблем параллелизма
3. Текущее соотношение false positive (~80%) требует дополнительных методов верификации
4. Инструмент эффективен для анализа кодовых баз до 10k строк без специальной подготовки

Будущее направления

С развитием контекстных окон и специализированных prompt-инженерных техник, LLM становятся:

1. Незаменимым ассистентом для security-аналитиков
2. Эффективным инструментом масштабирования аудита безопасности
3. Новым стандартом в процессе code review для критически важного ПО