
Java4Shell: 65 bajtów Base64, alokacja 50 bajtów i 62 bajty zapisane poza jej końcem
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 97 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNOWOŚĆOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaNOWOŚĆOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaNOWOŚĆOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 za 1 mln tokenów · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Inteligencja
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Inteligencja
Dane wejściowe mają 65 bajtów: 64 wielkie litery A i jeden znak równości. OpenJDK dekoduje je do bufora o rozmiarze 50 bajtów, a następnie intrinsic Base64 w HotSpot zapisuje 64 bajty, począwszy od offsetu 48. Sześćdziesiąt dwa z nich trafiają na stertę, poza tablicę, dla której były przeznaczone — w języku, którego centralną obietnicą jest to, że coś takiego nie może ci się przydarzyć. Calif opublikował ten łańcuch 17 listopada 2026 r. jako Java4Shell, śledzony jako CVE-2026-114938, a OpenJDK i Oracle wydały poprawki tego samego popołudnia. Odkrycie jest opisywane jako wspomagane przez AI; konkretny model wymieniony w relacjach to GPT-6 Cyber, dostrojony pod bezpieczeństwo model OpenAI wydany 5 listopada 2026 r. To przypisanie jest najciekawszą i najmniej ustaloną częścią historii i warto oddzielić je od błędu, który jest potwierdzony i poważny.
Co źle zrozumiało to, co intrinsyczne
Java jest bezpieczna pamięciowo na poziomie języka, ale nie na poziomie, który tu miał znaczenie. HotSpot przyspiesza Base64 za pomocą ręcznie napisanego asemblera x86-64, ponieważ zwykły skompilowany kod Java nie jest wystarczająco szybki dla tego jednego obciążenia, w którym przepustowość dekodowania jest wąskim gardłem. Procedura przetwarza dane wejściowe w blokach 256-bajtowych, przechodzi na bloki 64-bajtowe, a dla ogonów krótszych niż 64 bajty używa evmovdqub — formy AVX-512 instrukcji VMOVDQU8 — z 64-bitową maską zapisu, która decyduje, które z 64 bajtów w rejestrze wektorowym faktycznie trafiają do pamięci.
Ta maska jest budowana na podstawie długości wejścia i wyjścia, a następnie korygowana o dopełnienie Base64. Opracowanie przechodzi przez obliczenia: długość wyjścia wynosi (input_length / 4) * 3, a następnie jest zmniejszana o jeden dla końcowego = i jeszcze raz dla drugiego. Dla dopełnionych końcówek =, ==, X=, X==, XY= i === długość po zdekodowaniu wynosi zero, a korekta dopełnienia odejmuje wtedy od zera. Wartość ulega niedomiarowi do -1 lub -2. Obliczenie maski nie ogranicza jej, więc maska staje się złożona z samych jedynek i zapisywanych jest wszystkie 64 bajtów.
Rozmiar bufora został uczciwie dobrany. Alokacja w czasie wykonania dla danych wejściowych o rozmiarze 65 bajtów wynosi (ceil(65 / 4) * 3) - 1, czyli 50 bajtów. Przepełnienie zaczyna się od przesunięcia 48 — pozycji, na której powinny znaleźć się końcowe zdekodowane bajty — więc 62 bajty sąsiedniej sterty zostają nadpisane. Bajty od 48 do 63 tego przepełnienia są zawsze równe 0x9a. Tylko pierwsze dwa bajty są kontrolowane przez atakującego i to tylko częściowo. Dekoder nadal odrzuca dane wejściowe, a Java nadal zgłasza IllegalArgumentException. Zapis następuje przed odrzuceniem. W OpenJDK 17 próg osiągnięcia dotkniętej ścieżki kodu jest wyższy, więc opublikowany tam wyzwalacz to 128 liter A plus znak równości.
Stały zapis 62 bajtów, w większości danych stałych, nie brzmi jak prymityw zdalnego wykonania kodu i sam w sobie nim nie jest. To, co zbudował Calif, to łańcuch:
• Najpierw przygotuj układ sterty tak, aby wyciek trafił w pole długości sąsiedniej tablicy. Tablica ta staje się mechanizmem zapisu, którego zadeklarowana długość jest teraz znacznie większa niż jej zawartość, co zamienia zapis o stałym rozmiarze w ograniczony zapis wybranej wartości.
• Po drugie, uszkodzić długość drugiej tablicy, której dane są kopiowane z powrotem do odpowiedzi HTTP. Ta tablica jest czytnikiem, a zwracana przez nią zawartość sterty staje się prymitywem ujawniania. Calif nazywa etap przed wykonaniem kodu w JavaBleed: pamięcią sterty, która może zawierać dane umożliwiające identyfikację osoby, klucze prywatne, tokeny sesji lub inne sekrety.
• Po trzecie, napraw obiekty uszkodzone przez zapis liniowy, tak aby JVM działała dalej, użyj ujawnionych oryginałów do przywrócenia nagłówków i sąsiadów oraz eskaluj ograniczony zapis do dowolnych zapisów, które docierają do Code Cache i hooków JVM.
• Po czwarte, wprowadź zmianę specyficzną dla aplikacji i zweryfikuj ją za pomocą rzeczywistego żądania. Praca zatrzymuje się przed tym ostatnim krokiem w przypadku poszczególnych produktów i stwierdza, że uzbrojone łańcuchy pozostają prywatne, dopóki użytkownicy nie będą mieli możliwości aktualizacji.
Warstwa groomingu to ta część, która czyni ten atak zdalnym, a nie lokalnym. G1 dzieli stertę na stałe regiony, HotSpot przydziela każdemu wątkowi prywatny bufor alokacji, a atakujący nie widzi niczego z tego. Odpowiedzią Califa jest stara metoda — rozpylanie par pisarz-czytelnik, aż wyjście dekodera wyląduje obok jednej z nich — plus sztuczka specyficzna dla HTTP: wysłać treść żądania do momentu, w którym następuje krytyczna alokacja, poczekać na potwierdzenie TCP, a następnie wysłać resztę. Małe pakiety są stabilniejsze niż jeden duży, co daje kontrolę zarówno nad alokacją, jak i nad czasem. Atak jest wrażliwy na czas rundy i jitter; w swoim środowisku testowym rozwiązali to, wynajmując maszynę wirtualną w tym samym regionie co cel, zamiast dostrajać stos TCP.
Poważne i węższe, niż sugeruje nazwa
Dwa ograniczenia mocno ograniczają ekspozycję i oba warto przedstawić, zanim ktokolwiek zwoła mostek incydentowy.
Pierwszy czynnik to wersja. Java4Shell dotyczy OpenJDK 17.0.6 i nowszych, a więc każdej dystrybucji zbudowanej na ich podstawie: Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, BellSoft Liberica, SAP SapMachine, Red Hat OpenJDK, Oracle OpenJDK, Oracle Java SE oraz Oracle GraalVM for JDK. Lista kompilacji Java SE objętych problemem według Oracle to 8u511b33-perf, 17.0.21.0.3, 21.0.13.0.3, 25.0.5.0.3 i 27.0.1.0.3. Wszystko starsze niż 17.0.6 w linii OpenJDK znajduje się poza ścieżką kodu objętą problemem.
Drugi to krzem. Podatna procedura to asembler AVX-512 VBMI, więc występuje tylko w układach x86-64, które implementują te instrukcje. ARM64 nie jest w ogóle dotknięty, co jednym zdaniem usuwa z populacji wszystkie wdrożenia Graviton, Ampere i Apple silicon. Po stronie Intela lista obejmuje Xeon Ice Lake, Sapphire Rapids, Emerald Rapids i Granite Rapids; po stronie AMD są to EPYC i Ryzen od Zen 4 wzwyż. Calif publikuje sprawdzenie:
grep -m1 '^flags' /proc/cpuinfo | tr ' ' '\n' | grep -E '^(avx512f|avx512bw|avx512vbmi|bmi2)$'
Wszystkie cztery flagi muszą się pojawić. To rzeczywiste zawężenie zakresu — ale dotknięte układy to dokładnie te, które wypełniały chmurowe floty w latach 2021–2025, więc „wymaga Sapphire Rapids” nie jest takim uspokojeniem, na jakie brzmi. Usługa Java na Gravitonie jest bezpieczna. Ta sama usługa na instancji Intel bieżącej generacji jest w zakresie, podobnie jak stojąca za nią instancja Jira, Confluence, Keycloak, Jenkins, Artifactory lub PingFederate, ponieważ Calif wykazał RCE przed uwierzytelnieniem w domyślnej konfiguracji każdej z nich.
Zademonstrowana lista wpływu dzieli się klarownie. Przed uwierzytelnieniem: Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins i PingFederate. Po uwierzytelnieniu: Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit i Netflix Spinnaker. Wykorzystano również przykładowe aplikacje Apache Struts i Spring Boot. Listy są wyraźnie niekompletne, a jeden szczegół ma większe znaczenie niż nazwy produktów: podatna JVM nie musi udostępniać własnej usługi. Badacz samczsun udostępnił wraz z Calif łańcuch po stronie klienta, w którym program Java jedynie otwierający połączenie TLS ze złośliwym serwerem zostaje naruszony przez odpowiedź.

Patch i dwie flagi, które pozwalają zyskać na czasie
OpenJDK opublikował swój biuletyn doradczy 17 listopada 2026 r., a Oracle wydała swoją aktualizację Critical Patch Update o 13:00 czasu pacyficznego tego samego dnia, zawierającą 11 nowych poprawek Java SE. Oracle przypisuje CVE-2026-114938 Quang Luongowi z Calif.io oraz Albertowi Yangowi. Poprawka w głównej gałęzi OpenJDK jest niewielka — czterowierszowe zabezpieczenie, które kieruje dopełnioną końcówkę Base64 krótszą niż jeden pełny blok do procedury obsługi Javy zamiast do zoptymalizowanej procedury. Taki jest charakter błędu w jednym zdaniu: optymalizacja przeznaczona dla aplikacji dekodujących ogromne ilości danych została dostarczona do każdego środowiska uruchomieniowego i naraziła aplikacje, które nic na niej nie zyskały.
Dopóki aktualizacja nie zostanie zastosowana, intrinsics wyłączają dwie flagi JVM:
• -XX:-UseBASE64Intrinsics wyłącza sprzętowo przyspieszane kodowanie i dekodowanie Base64. Jest to bezpieczniejsza z dwóch opcji, ponieważ nie zależy od architektury.
• -XX:UseAVX=2 wyłącza AVX-512. Działa tylko na x86-64 — OpenJDK na ARM nie rozpoznaje tej flagi i odmówi uruchomienia, więc w środowisku mieszającym architektury nie można jej zastosować globalnie.
Żadna z flag nie jest poprawką, a obie kosztują przepustowość dokładnie w tych obciążeniach, które sprawiły, że warto było napisać tę funkcję intrinsic. Warto zauważyć, że żadna z nich nie wymaga ponownego wdrożenia kodu aplikacji, co odróżnia środek łagodzący, który można uruchomić jeszcze dziś wieczorem, od takiego, którego nie można.
Relacje z 17 i 18 listopada były wyjątkowo szerokie jak na błąd środowiska wykonawczego: New York Times opublikował artykuł pod nagłówkiem „Sztuczna inteligencja pomaga znaleźć poważny błąd bezpieczeństwa w Javie, platformie oprogramowania kluczowej dla internetu”, BBC i Politico również o tym informowały, niemiecki federalny urząd ds. cyberbezpieczeństwa wydał ostrzeżenie, a donoszono, że wytyczne CISA wzywają do natychmiastowego łatanie, jednocześnie zaznaczając, że luka nie znajduje się na jej liście Known Exploited Vulnerabilities. To ostatnie rozróżnienie warto zapamiętać. Szerokie relacje nie są dowodem na wykorzystanie, a w chwili pisania nie ma publicznych doniesień o wykorzystywaniu Java4Shell w rzeczywistych atakach.
Uznanie modelu oraz to, co mówi, a czego nie mówi
I tu właśnie historia wymaga ostrożności, ponieważ krążąca wersja jest czystsza niż zapis.
Własny tekst Califa nie wymienia GPT-6 Cyber. Mówi, że obszary do audytu wybrał człowiek, a następnie przekazano je dalej: „Kazałem Codexowi przyjrzeć się tym obszarom jak każdy poważny badacz bezpieczeństwa w 2026 r.”. Codex to agent kodujący OpenAI, którego można skierować na różne modele bazowe, więc badacz uruchamiający Codex z wybranym GPT-6 Cyber napisałby dokładnie to zdanie. Ale tekst nigdy nie mówi, który model za tym stał, i nie podaje kosztu ani liczby tokenów. Liczby, które powtarzano — około godziny do odkrycia, dwie godziny do działającego exploita, mniej niż 200 dolarów w tokenach — pochodzą z doniesień o ujawnieniu, a nie z pracy Califa.

Nazwa modelu pochodzi z tego samego źródła. Relacje opublikowane 17 i 18 listopada przypisują odkrycie konkretnie GPT-6 Cyber, a ujęcie New York Timesa jest szersze: „AI pomogła”. OpenAI do 18 listopada nie opublikowało własnego opisu tego odkrycia. Jego dwa najnowsze wpisy dotyczące cyberbezpieczeństwa — aktualizacja NATO z 17 listopada i partnerstwo z Cogent z 10 listopada — nie wspominają Javy. Uczciwe stwierdzenie brzmi więc: odkrycie z pomocą AI jest potwierdzone przez własny opis badacza, konkretny model jest podany w relacjach, a nie udokumentowany, a dane dotyczące efektywności pochodzą z drugiej ręki.
Ta luka nie umniejsza wyniku. Zmienia to, co można z niego wywnioskować. Odkrycie w ciągu godziny w trzydziestoletnim środowisku uruchomieniowym to twierdzenie o koszcie wyszukiwania, a jedyną stroną, która może je potwierdzić, jest strona mająca rejestry rozliczeń. Dopóki jedna z nich ich nie opublikuje, wersją, której można bronić, jest ta, że mała firma skierowała agenta na dojrzałą bazę kodu i wróciła z krytycznym błędem uszkodzenia pamięci w obszarze — ręcznie napisanym asemblerze wewnątrz JIT — z którym zarówno przegląd kodu, jak i fuzzing zmagały się od lat.
Połowa write-upu poświęcona tworzeniu exploita jest ciekawsza niż połowa o odkryciu, a także wyraźniej ludzka. Calif opisuje, jak agent utknął na prymitywach heap groomingu, a rozwiązaniem był tracer i wizualizator sterty napisany przez zespół, żeby agent mógł zobaczyć stan sterty. To podział pracy wart nazwania: model poszerzył poszukiwania, a ludzie zbudowali instrumentację, która zamieniła znalezisko w łańcuch.
Patch the Planet to rama, a nie dokumentacja.
Ujawnienie Java4Shell jest opisywane jako część Patch the Planet, inicjatywy Daybreak OpenAI wspierającej opiekunów open source, prowadzonej wspólnie z Trail of Bits. Program jest prawdziwy, a Calif jest w nim wymienionym partnerem — w opisie samego Patch the Planet czytamy, że OpenAI „współpracuje z HackerOne i Calif, którzy pomagają nam rozszerzyć nasze działania w zakresie triażu podatności, skoordynowanego ujawniania i dodatkowych ukierunkowanych działań na rzecz wykrywania podatności”. Zatem ścieżka koordynacji jest dokładnie tą, którą opisuje inicjatywa.
Czego jeszcze nie ma, to zgłoszenie. Witryna Patch the Planet obecnie wymienia dwa ujawnienia: CVE-2026-111497 w Brotli oraz CVE-2026-109618 i CVE-2026-109619, luki w PHP znane jako php2shell. Java4Shell nie znajduje się wśród nich. Sam wpis OpenAI na Patch the Planet z 21 października opisuje reakcję na PHP — i wskazuje model, który ją znalazł, którym był GPT-5.6 Sol, a nie GPT-6 Cyber. Pierwszy głośny błąd programu został znaleziony za pomocą poprzednika.

To nie jest sprzeczność; to fakt dotyczący kolejności, i ma znaczenie dla każdego, kto czyta tę relację jako twierdzenie o możliwościach jednego modelu. Patch the Planet to framework koordynacyjny z nazwanymi partnerami i opublikowanym pięcioetapowym planem reagowania — zweryfikować i naprawić u źródła, dać dotkniętym organizacjom czas, koordynować działania z rządem, przygotować aktualizacje w produktach, opublikować wytyczne. Java4Shell przeszedł przez te części tego frameworku, które dotyczą jednego projektu upstream: OpenJDK i Oracle wydały poprawki w dniu ujawnienia, a Calif wstrzymał łańcuchy specyficzne dla produktów. Brakuje wpisu OpenAI, który oficjalnie umieściłby to odkrycie w programie.
Ile kosztuje przeprowadzenie takiego wyszukiwania
Ekonomia to ta część, na którą obrońca może faktycznie działać, i odwraca intuicję, z którą przychodzi większość zespołów. Jeśli raportowane liczby się utrzymają, odkrycie kosztowało kilkaset dolarów, a exploit kolejne dwie godziny tego samego. Najdroższą częścią operacji nigdy nie było wnioskowanie.
To jest zgodne z tym, co OpenAI opublikowało na temat własnego skanowania jądra Linux dwa tygodnie przed premierą Cyber: 2 308 kandydatów, 1 724 odtworzonych, 948 unikalnych exploitów eskalacji uprawnień, 1 213 430 USD w kredytach API i 61 poprawek wprowadzonych upstream dziesięć dni później. Znajdowanie jest tanie w porównaniu z naprawianiem, a wąskie gardło tkwi w triage'u i ujawnianiu, a nie w rachunku za tokeny. Zespół planujący budżet na tę klasę prac powinien założyć koszt przeglądu przez ludzi na kilkukrotność wydatków na model.
To także miejsce, w którym warstwa routingu naprawdę się opłaca, zamiast być jedynie sloganem. Pipeline ma etapy o zasadniczo różnych wymaganiach modelowych — generowanie hipotez chce najszerszego i najtańszego wyszukiwania, na jakie można sobie pozwolić; walidacja chce modelu, który potrafi uruchomić i odczytać crash; generowanie patchy chce długiego kontekstu obejmującego repozytorium. Uruchamianie wszystkich trzech na jednym modelu oznacza płacenie stawki najdroższego etapu za pracę najtańszego. Kierowanie każdego etapu do innego modelu przez jeden klucz API obejmujący ponad 200 modeli, w cenie katalogowej dostawcy z 0% narzutu, utrzymuje pipeline na jednym rachunku i jednym poświadczeniu zamiast trzech umów.
Jedna rzecz wymaga wyjaśnienia: GPT-6 Cyber nie znajduje się w katalogu OrcaRouter i nie może się w nim znaleźć, dopóki konto, które go wywołuje, nie uzyska zatwierdzenia Daybreak Red. To, co oferujemy, to ogólna drabina, z której został wyprowadzony — GPT-6 Astra w cenie $10/$50 za milion tokenów, między innymi — czyli ta część pipeline'u bezpieczeństwa, która zajmuje się triażem, generowaniem poprawek i przeglądem kodu, a nie tworzeniem exploitów. Automatyczne przełączanie awaryjne ma największe znaczenie dokładnie na etapie, na którym model jest nowy, a jego limity szybkości są nieznane, co opisuje etap odkrywania w pipeline'ie takim jak ten.
Co obejrzeć
Trzy rzeczy zdecydują, jak to będzie się czytać za sześć miesięcy.
Po pierwsze, czy wstrzymane łańcuchy ataków pojawią się w rzeczywistym świecie, zanim pojawią się w publikacji. Decyzja Calif o ujawnieniu podatności i ogólnej techniki, ale wstrzymaniu exploitów specyficznych dla produktu, to odpowiedzialna wersja ujawniania i działa tylko wtedy, gdy tempo łatania przewyższa tempo inżynierii odwrotnej. Aktualizacja Oracle jest już dostępna; zmienną jest populacja niezałatanych kompilacji 17.0.x.
Drugi dotyczy tego, czy Java4Shell trafi na listę Known Exploited Vulnerabilities CISA. Obecnie go tam nie ma, a różnica między „krytyczny” i „wykorzystywany” to obszar, w którym rozgrywa się większość sporów o priorytetyzację w przedsiębiorstwach.
Trzecia kwestia dotyczy tego, czy OpenAI oficjalnie przedstawi własną wersję wydarzeń. Techniczny opis wymieniający model, prompty i koszty przekształciłby zgłoszone twierdzenie w udokumentowane i byłby pierwszym publicznym dowodem na to, co robi model klasy Cyber na celu, którego nikt nie wybrał dla niego z góry. Do tego czasu błąd jest faktem, a przypisanie pozostaje opowieścią.
Porównane w tym artykule2
Wykryto na podstawie tego artykułu · Benchmarki: Artificial Analysis · aktualizowane codziennie
