
Java4Shell: 65 byte Base64, en 50-byteallokering och 62 byte skrivna förbi slutet av den
- GoogleNYGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 per 1M tokens · 89 tok/s
- AnthropicNYAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 per 1M tokens · 97 tok/s
- orcaNYOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaNYOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 per 1M tokens · 88 tok/s
- OrcaNYOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 per 1M tokens · 134 tok/s
- OrcaNYOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 per 1M tokens · 87 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 per 1M tokens · 121 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 per 1M tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 per 1M tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligens
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 per 1M tokens · 195 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligens
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 per 1M tokens · 120 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligens
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 per 1M tokens · 187 tok/s
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 per 1M tokens · 143 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligens
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligens
Indata är 65 byte lång: 64 versala A:n och ett enda likhetstecken. OpenJDK avkodar den till en buffert som den dimensionerar till 50 byte, och HotSpot Base64-intrinsiken skriver sedan 64 byte med start vid offset 48. Sextiotvå av dem hamnar på heapen, utanför den array de var avsedda för, i ett språk vars centrala löfte är att detta inte kan hända dig. Calif publicerade kedjan den 17 november 2026 som Java4Shell, registrerad som CVE-2026-114938, och OpenJDK och Oracle levererade rättningar samma eftermiddag. Fyndet rapporteras som AI-assisterat; den specifika modell som namnges i rapporteringen är GPT-6 Cyber, OpenAIs säkerhetsanpassade modell som släpptes den 5 november 2026. Den tillskrivningen är den mest intressanta och minst fastställda delen av historien, och det är värt att hålla den åtskild från buggen, som är fastställd och allvarlig.
Vad det inneboende hade fel om
Java är minnessäkert på språknivå och inte på den nivå som spelade roll här. HotSpot accelererar Base64 med handskriven x86-64-assembler, eftersom vanlig kompilerad Java inte är tillräckligt snabb för den enda arbetsbelastning där avkodningens genomströmning är flaskhalsen. Rutinen bearbetar indata i block om 256 byte, faller tillbaka till block om 64 byte och använder för svansar kortare än 64 byte evmovdqub – AVX-512-formen av VMOVDQU8 – med en 64-bitars skrivmask som avgör vilka av de 64 byten i vektorregistret som faktiskt når minnet.
Den masken byggs från indata- och utdatalängderna och justeras sedan för Base64-utfyllnad. Genomgången går igenom aritmetiken: utdatalängden är (input_length / 4) * 3, sedan minskas den en gång för ett avslutande = och en gång till för ett andra. För de utfyllda svansarna =, ==, X=, X==, XY= och === är den avkodade längden noll, och utfyllnadsjusteringen subtraherar sedan från noll. Värdet underflowar till -1 eller -2. Maskberäkningen begränsar det inte, så masken blir alla ettor och alla 64 byte skrivs.
Bufferten dimensionerades ärligt. Runtime-allokeringen för en indata på 65 byte är (ceil(65 / 4) * 3) - 1, vilket är 50 byte. Spillet börjar vid offset 48 – positionen där de slutliga avkodade byten skulle ha hamnat – så 62 byte av närliggande heap skrivs över. Byte 48 till 63 i det spillet är alltid 0x9a. Endast de två första byten kan kontrolleras av angriparen, och det bara delvis. Avkodaren avvisar fortfarande indata och Java kastar fortfarande IllegalArgumentException. Skrivningen sker före avvisandet. På OpenJDK 17 är tröskeln för att nå den påverkade kodvägen högre, så den publicerade utlösaren där är 128 A:n plus likhetstecknet.
En fast skrivning på 62 byte av mestadels konstanta data låter inte som en primitiv för fjärrkodkörning, och i sig är den inte någon sådan. Det Calif har byggt är en kedja:
• Ordna först heapen så att spillningen landar på längdfältet i en intilliggande array. Den arrayen blir en skrivare vars deklarerade längd nu är mycket större än dess innehåll, vilket förvandlar den fasta skrivningen till en begränsad skrivning av ett valt värde.
• För det andra: förvanska längden på en andra array vars data kopieras tillbaka till HTTP-svaret. Den arrayen är en läsare, och det heapinnehåll den returnerar blir primitiven för informationsläckage. Calif kallar stadiet före kodkörning i denna JavaBleed: heapminne som kan innehålla personligt identifierande data, privata nycklar, sessionstoken eller andra hemligheter.
• För det tredje, reparera de objekt som den linjära skrivningen skadade så att JVM fortsätter att köras, använd de avslöjade originalen för att återställa huvuden och grannobjekt, och eskalera den begränsade skrivningen till godtyckliga skrivningar som når Code Cache och JVM:s krokar.
• För det fjärde: gör den applikationsspecifika ändringen och verifiera den genom en livebegäran. Rapporten stannar före det sista steget för enskilda produkter och säger att de beväpnade kedjorna förblir privata tills användarna har haft en chans att uppgradera.
Grooming-lagret är den del som gör detta fjärrstyrt i stället för lokalt. G1 delar upp heapen i fasta regioner, HotSpot ger varje tråd en privat allokeringsbuffert, och angriparen kan inte se något av det. Calif:s svar är det gamla vanliga – spreja skrivar- och läsarpar tills dekoderns utdata hamnar intill ett av dem – plus ett knep som är specifikt för HTTP: skicka förfrågningskroppen fram till den punkt där den kritiska allokeringen sker, vänta på TCP-bekräftelsen och skicka sedan resten. Små paket är stabilare än ett enda stort, vilket ger både allokeringskontroll och tidskontroll. Attacken är känslig för fram- och återgångstid och jitter; i deras testmiljö löste de det genom att hyra en virtuell maskin i samma region som målet i stället för att finjustera en TCP-stack.
Allvarligt, och snävare än namnet antyder
Två begränsningar minskar exponeringen kraftigt, och båda är värda att nämna innan någon startar en incidentbrygga.
Den första är version. Java4Shell påverkar OpenJDK 17.0.6 och senare, och därför varje distribution som byggs från den: Amazon Corretto, Eclipse Temurin, Microsoft Build of OpenJDK, Azul Zulu, BellSoft Liberica, SAP SapMachine, Red Hat OpenJDK, Oracle OpenJDK, Oracle Java SE och Oracle GraalVM for JDK. Oracles lista över påverkade Java SE-byggen är 8u511b33-perf, 17.0.21.0.3, 21.0.13.0.3, 25.0.5.0.3 och 27.0.1.0.3. Allt som är äldre än 17.0.6 på OpenJDK-linjen ligger utanför den påverkade kodvägen.
Det andra är kisel. Den sårbara rutinen är AVX-512 VBMI-assembleringskod, så den finns bara på x86-64-chip som implementerar dessa instruktioner. ARM64 påverkas inte alls, vilket med en rad tar bort varje Graviton-, Ampere- och Apple-silicon-distribution från populationen. På Intel-sidan är listan Xeon Ice Lake, Sapphire Rapids, Emerald Rapids och Granite Rapids; på AMD-sidan är det EPYC och Ryzen från Zen 4 och framåt. Calif publicerar kontrollen:
grep -m1 '^flags' /proc/cpuinfo | tr ' ' '\n' | grep -E '^(avx512f|avx512bw|avx512vbmi|bmi2)$'
Alla fyra flaggor måste visas. Det är en verklig minskning av omfattningen – men de berörda chippen är exakt de som fyllde molnflottor mellan 2021 och 2025, så "kräver Sapphire Rapids" är inte den lugnande försäkran det låter som. En Java-tjänst på Graviton är säker. Samma tjänst på en Intel-instans av aktuell generation omfattas, och det gör även Jira-, Confluence-, Keycloak-, Jenkins-, Artifactory- eller PingFederate-instansen som ligger bakom den, eftersom Calif demonstrerade RCE före autentisering i standardkonfigurationen för var och en.
Listan över den påvisade påverkan är tydligt uppdelad. Före autentisering: Keycloak, Atlassian Jira, Atlassian Confluence, JFrog Artifactory, Jenkins och PingFederate. Efter autentisering: Apache Kafka Broker, Apache Solr, Elasticsearch, Gerrit och Netflix Spinnaker. Exempelapplikationer för Apache Struts och Spring Boot utnyttjades också. Listorna är uttryckligen inte uttömmande, och en detalj är viktigare än produktnamnen: en sårbar JVM behöver inte exponera en egen tjänst. Forskaren samczsun delade en kedja på klientsidan med Calif där ett Java-program som bara öppnar en TLS-anslutning till en skadlig server komprometteras av svaret.

Patch, och de två flaggorna som köper tid
OpenJDK publicerade sin säkerhetsbulletin den 17 november 2026 och Oracle släppte sin Critical Patch Update kl. 13:00 PT samma dag, med 11 nya Java SE-patchar. Oracle tillskriver Quang Luong på Calif.io och Albert Yang för CVE-2026-114938. Rättelsen i huvudlinjen för OpenJDK är liten – en fyrradig skyddskontroll som skickar en utfylld Base64-svans som är kortare än ett komplett block till Java-hanteraren i stället för den optimerade rutinen. Så här ser felet ut, sammanfattat i en mening: en optimering för program som avkodar enorma datamängder levererades till varje runtime, och den exponerade program som inte hade någon nytta av den.
Tills uppdateringen har tillämpats inaktiverar två JVM-flaggor intrinsics:
• -XX:-UseBASE64Intrinsics inaktiverar hårdvaruaccelererad Base64-kodning och -avkodning. Detta är det säkrare av de två eftersom det är arkitekturoberoende.
• -XX:UseAVX=2 inaktiverar AVX-512. Det fungerar bara på x86-64 – OpenJDK på ARM känner inte igen flaggan och vägrar att starta, så en maskinpark med blandade arkitekturer kan inte tillämpa det generellt.
Ingen av flaggorna är en lösning, och båda kostar genomströmning på exakt de arbetsbelastningar som gjorde att intrinsiken var värd att skriva. Det värdefulla att notera är att ingen av dem kräver att applikationskoden driftsätts igen, vilket är skillnaden mellan en åtgärd du kan köra i natt och en som du inte kan.
Rapporteringen den 17 och 18 november var ovanligt bred för en körtidsbugg: New York Times publicerade den under rubriken "AI hjälper till att hitta allvarlig säkerhetsbugg i Java, en mjukvaruplattform som är avgörande för internet", både BBC och Politico rapporterade om den, Tysklands federala cybersäkerhetsmyndighet utfärdade en varning, och CISA:s vägledning rapporterades uppmana till omedelbar patchning samtidigt som den noterade att sårbarheten inte fanns med på dess lista över kända utnyttjade sårbarheter. Den sista distinktionen är den man ska hålla fast vid. Bred rapportering är inte bevis på exploatering, och vid tidpunkten för skrivandet finns ingen offentlig rapport om att Java4Shell används i det vilda.
Modellkrediten, och vad den säger och inte säger
Här är det där berättelsen kräver försiktighet, eftersom den version som cirkulerar är renare än dokumentationen.
Califs egen redogörelse nämner inte GPT-6 Cyber. Den säger att områdena som skulle granskas valdes av en människa och sedan lämnades över: "Jag bad Codex att titta på de områdena som vilken seriös säkerhetsforskare som helst 2026." Codex är OpenAIs kodagent, och den kan riktas mot olika underliggande modeller, så en forskare som kör Codex med GPT-6 Cyber som vald modell skulle producera exakt den meningen. Men redogörelsen säger aldrig vilken modell som låg bakom, och den anger aldrig en kostnad eller ett tokenantal. Siffrorna som har upprepats – ungefär en timme till upptäckt, två timmar till en fungerande exploit, under 200 dollar i tokens – kommer från rapporteringen om avslöjandet, inte från Califs paper.

Modellnamnet kommer från samma plats. Rapportering publicerad den 17 och 18 november tillskriver upptäckten specifikt GPT-6 Cyber, och New York Times inramning är den bredare "AI hjälpte till". OpenAI har inte, per den 18 november, publicerat sin egen redogörelse för fyndet. Deras två senaste cyberinlägg — NATO-uppdateringen den 17 november och Cogent-partnerskapet den 10 november — nämner inte Java. Så det ärliga påståendet är: AI-assisterad upptäckt bekräftas av forskarens egen skriftliga redogörelse, den specifika modellen rapporteras snarare än dokumenteras, och effektivitetssiffrorna är andrahandsuppgifter.
Det glappet förminskar inte resultatet. Det förändrar vad som kan härledas ur det. Ett fynd på en timme i en 30 år gammal runtime är ett påstående om sökkostnad, och den enda part som kan styrka det är den part som har faktureringsunderlaget. Tills någon av dem publicerar underlaget är den försvarbara versionen att ett litet företag riktade en agent mot en mogen kodbas och återkom med en kritisk minneskorruptionsbugg i ett område – handskriven assembly inuti JIT:en – som både kodgranskning och fuzzing har brottats med i åratal.
Den del av rapporten som handlar om exploitutveckling är mer intressant än den som handlar om upptäckten, och den är också tydligare mänsklig. Calif beskriver hur agenten fastnade på heap-grooming-primitiver, och att lösningen var en heap-tracer och visualiserare som teamet skrev så att agenten kunde se heapens tillstånd. Det är en arbetsfördelning värd att namnge: modellen vidgade sökningen, och människorna byggde instrumentationen som gjorde ett fynd till en kedja.
Patch the Planet är ramverket, inte pappersarbetet.
Java4Shell-avslöjandet beskrivs som en del av Patch the Planet, OpenAI:s Daybreak-initiativ för att stödja underhållare av öppen källkod, som drivs tillsammans med Trail of Bits. Programmet är verkligt och Calif är en namngiven partner i det – Patch the Planets egen beskrivning säger att OpenAI ”samarbetar med HackerOne och Calif som hjälper oss att ta våra ansträngningar vidare med triage av sårbarheter, samordnad disclosure och ytterligare riktade insatser för att upptäcka sårbarheter”. Så samordningsvägen är exakt den som initiativet beskriver.
Det som ännu inte finns är anmälan. Patch the Planet-webbplatsen listar för närvarande två avslöjanden: CVE-2026-111497 i Brotli, och CVE-2026-109618 och CVE-2026-109619, PHP-sårbarheterna som kallas php2shell. Java4Shell finns inte bland dem. OpenAI:s eget Patch the Planet-inlägg från den 21 oktober beskriver PHP-responsen – och namnger modellen som hittade den, vilket var GPT-5.6 Sol, inte GPT-6 Cyber. Den första buggen som fick rubriker i programmet hittades med föregångaren.

Det är inte en motsägelse; det är ett faktum om ordningen, och det spelar roll för alla som läser rapporteringen som ett kapacitetspåstående om en modell. Patch the Planet är ett samordningsramverk med namngivna partner och ett publicerat femstegssvar — validera och åtgärda uppströms, ge berörda organisationer tid, samordna med myndigheter, förbered uppdateringar för samtliga produkter, publicera vägledning. Java4Shell gick igenom de delar av ramverket som rör en enda uppströmskälla: OpenJDK och Oracle patchade på avslöjandedagen, och Calif höll tillbaka de produktspecifika kedjorna. Det som saknas är OpenAI-inlägget som officiellt skulle placera fyndet inom programmet.
Vad en sådan här sökning kostar att köra
Ekonomin är den del som en försvarare faktiskt kan agera på, och den vänder upp och ner på den intuition som de flesta team har. Om de rapporterade siffrorna håller kostade upptäckten några hundra dollar och exploateringen ytterligare två timmar av samma. Den dyra delen av operationen var aldrig inferensen.
Det stämmer överens med vad OpenAI publicerade om sin egen genomsökning av Linuxkärnan två veckor före Cyber-lanseringen: 2 308 kandidater, 1 724 reproducerade, 948 unika exploateringar för behörighetseskalering, 1 213 430 USD i API-krediter och 61 rättningar uppströms tio dagar senare. Att hitta är billigt i förhållande till att åtgärda, och flaskhalsen ligger i triage och avslöjande, inte i tokenräkningen. Ett team som budgeterar för den här typen av arbete bör avsätta för den mänskliga granskningen flera gånger modellkostnaden.
Det är också här ett routinglager bevisar sitt värde i stället för att bara vara en slogan. Pipelinen har etapper med genuint olika modellkrav – hypotesgenerering vill ha den bredaste och billigaste sökning du har råd med; validering vill ha en modell som kan köra och tolka en krasch; patchgenerering vill ha lång kontext över ett kodförråd. Att köra alla tre på en och samma modell innebär att betala den dyraste etappens taxa för den billigaste etappens arbete. Att peka varje etapp mot en annan modell genom en API-nyckel för fler än 200 modeller till leverantörens listpris med 0 % påslag håller pipelinen på en faktura och en autentiseringsuppgift i stället för tre avtal.
En sak att vara tydlig med: GPT-6 Cyber finns inte i OrcaRouter-katalogen och kan inte vara det förrän det finns ett Daybreak Red-godkännande för kontot som anropar den. Det vi däremot erbjuder är den generella modellstege som den härleddes från — GPT-6 Astra till $10/$50 per miljon tokens bland annat — vilket är den del av en säkerhetspipeline som utför triage, patchgenerering och kodgranskning i stället för exploitutveckling. Automatisk failover är viktigast just i det skede där en modell är ny och dess rate limits är okända, vilket beskriver upptäcktsfasen i en pipeline som den här.
Vad du ska titta på
Tre saker kommer att avgöra hur det här läses om sex månader.
Det första är huruvida de tillbakahållna kedjorna dyker upp i det vilda innan de dyker upp i en artikel. Calif's beslut att publicera sårbarheten och den allmänna tekniken men hålla inne de produktspecifika exploateringarna är den ansvarsfulla versionen av avslöjande, och det fungerar bara om patchningstakten överträffar takten för reverse engineering. Oracles uppdatering är ute; populationen ouppdaterade 17.0.x-byggen är variabeln.
Det andra är huruvida Java4Shell når CISA:s lista Known Exploited Vulnerabilities. Den finns inte där nu, och gapet mellan "kritisk" och "utnyttjad" är där de flesta prioriteringsdiskussioner inom företag uppstår.
Det tredje är om OpenAI själva går ut med sin version officiellt. En teknisk genomgång som namnger modellen, prompterna och kostnaden skulle förvandla ett påstående i en rapport till ett dokumenterat sådant, och det skulle vara det första offentliga beviset på vad en modell i Cyber-klassen gör mot ett mål som ingen valde åt den i förväg. Fram till dess är buggen faktumet och tillskrivningen berättelsen.
Jämförda i den här artikeln2
Identifierat från den här artikeln · Benchmarks: Artificial Analysis · uppdateras dagligen
