Un sistema de inteligencia artificial del laboratorio FORGE de Microsoft ha encontrado en tres meses decenas de vulnerabilidades en el kernel Linux, algunas presentes desde hace más de dos décadas. Según el balance publicado el 11 de noviembre por el investigador Cen Zhang, el proyecto, llevado por un investigador a tiempo completo y un becario, ha generado 59 informes públicos de fallos, 33 identificadores CVE, 24 de ellos de gravedad alta o superior, y 8 vulnerabilidades con exploits de escalada a root confirmados en laboratorio. La conclusión del equipo es incómoda: encontrar fallos con IA ya es mucho más rápido que arreglarlos.
Las claves del estudio de Microsoft FORGE sobre el kernel Linux en 30 segundos
- MDASH, un sistema de agentes de IA de Microsoft, auditó redes, sistemas de archivos y módulos de seguridad del kernel.
- De 26.502 hallazgos brutos salieron 59 informes, 33 CVE y 8 exploits de escalada a root.
- Los fallos tenían de media 8,1 años; el más antiguo llevaba al menos 21.
- Las correcciones tardaron una mediana de 41 días en llegar a una versión principal del kernel.
- Los autores concluyen que el esfuerzo humano para corregir, no la detección, es ahora el cuello de botella.

Del ruido a 59 informes: el embudo de la IA
El equipo eligió subsistemas sensibles para la seguridad que no dependen de hardware especializado: redes, sistemas de archivos y módulos de seguridad. El escaneo se hizo entre finales de mayo y mediados de junio de 2026 con MDASH, un sistema agentivo que combina varios modelos. En unas dos semanas y con dos servidores, generó 26.502 hallazgos brutos. Tras descartar las afirmaciones de baja confianza quedaron 11.769 candidatos, y agentes de prueba de concepto intentaron reproducirlos en máquinas virtuales QEMU, lo que dejó 621 casos con evidencia.
Esos 621 casos los revisaron expertos humanos, que identificaron la causa raíz, fusionaron duplicados y prepararon los envíos. El resultado fueron 59 informes, apenas el 9,5 % de los casos con evidencia. Del resto, el 42,8 % compartía causa con otro caso, el 26,2 % no se reportó por tener un impacto de seguridad limitado y el 21,4 % ya estaba reportado o corregido. Para el escaneo de código se usaron sobre todo Claude Sonnet 4.6 (71,1 % de los tokens), GPT-5.4 y GPT-5.5, y para la reproducción, principalmente GPT-5.5, Claude Opus 4.6 y GPT-5.5-cyber.
Fallos de hace dos décadas y escaladas a root
La antigüedad media de los fallos reportados es de 8,1 años. El más viejo, un desbordamiento en una operación de desplazamiento del clasificador de tráfico cls_u32 (CVE-2026-74544), llevaba en el código al menos 21 años. De las ocho vulnerabilidades con escalada a root confirmada, la mayoría son usos de memoria ya liberada (use-after-free) en la pila de red: fragmentación IPv6 en puentes, rutas IPsec, reemplazo de siguientes saltos en IPv4 o el controlador de túneles GTP. Hay también un desbordamiento de búfer en la actualización de claves cifradas del subsistema de claves. Algunos exploits requieren configuraciones no predeterminadas o mitigaciones desactivadas.
El artículo detalla uno de los casos, CVE-2026-64563. Un cambio de 2018 dejó de limpiar un puntero en una de las rutas de reanudación de los recorridos de tablas hash del kernel, de modo que podía quedar apuntando a memoria liberada. Para explotarlo hacía falta pausar un recorrido, que la tabla se redimensionara durante la pausa y que se eliminara el elemento en curso. El camino explotable estaba en el diagnóstico de sockets Netlink, donde el espacio de usuario controla las pausas. La corrección limpia el puntero antes de volver. Investigadores de NebuSec encontraron el mismo fallo de forma independiente y desarrollaron un exploit funcional.
El cuello de botella ahora es arreglar
El primer informe se hizo público el 27 de junio y, a 1 de septiembre, 55 de los 59 ya lo eran. Se han integrado en la rama principal las correcciones de 38 informes, la mitad al primer intento y el resto tras entre una y cuatro revisiones. Desde el primer parche público hasta su llegada a una versión principal pasaron una mediana de 41 días, con un máximo de 108.
Para los autores, la detección y la corrección están drásticamente desequilibradas. Más tokens encontrarían más fallos, pero eso por sí solo no hace un sistema más seguro, y el volumen puede desbordar a los mantenedores. Por eso insisten en mantener a personas en el proceso para validar, entender cada subsistema y tratar con los mantenedores, y en priorizar los fallos realmente graves. Para los administradores, el mensaje práctico es otro: si una IA puede encontrar en semanas fallos de hace 20 años, los atacantes también pueden, así que mantener el kernel actualizado y reducir la superficie de ataque (desactivar módulos de red que no se usan, limitar los espacios de nombres sin privilegios) pesa más que nunca.
Preguntas frecuentes
¿Cuántas vulnerabilidades encontró la IA de Microsoft en el kernel Linux?
59 informes públicos de fallos, de los que salieron 33 CVE, 24 de gravedad alta o superior, y 8 con exploits de escalada a root confirmados en laboratorio.
¿Qué es MDASH?
El nombre en clave de un sistema de seguridad agentivo y multimodelo del laboratorio FORGE de Microsoft, usado para buscar y reproducir fallos.
¿Están corregidos los fallos?
Las correcciones de 38 informes ya están en la rama principal del kernel; conviene actualizar a versiones recientes.
Fuentes:
