Resultaten frÄn studien av tid för upptÀckte och ÄtgÀrdade fel i Linux-kÀrnans kod har publicerats. Uppgifterna har erhÄllits genom analys av 125 000 fel som mÀrkts i Git-repo med taggen "Fixes:", som refererar till den commit dÀr felet uppstod. Medel tiden för att upptÀcka fel i kÀrnan var 2.1 Är. Om vi endast ser pÄ fel som ÄtgÀrdades under 2025, var denna siffra 2.8 Är.
30% av felen Ă„tgĂ€rdades av samma utvecklare som orsakade felen. 56.9% av felen Ă„tgĂ€rdas inom ett Ă„r. 13.5% av felen förblev oupptĂ€ckta i mer Ă€n 5 Ă„r (om vi betraktar endast felen som Ă„tgĂ€rdades under 2025 â 19.4%). PĂ„ grund av ojĂ€mt fördelade data var den medeltida tiden för ett fel i kĂ€rnkoden 8 mĂ„nader för urvalet frĂ„n 2005 och 1 Ă„r för felen som Ă„tgĂ€rdades under 2025. Det mest lĂ„ngvariga felet i koden var ett buffertöverskridande i ethtool, som Ă„tgĂ€rdades efter 20.7 Ă„r.
Dynamiken för felupptĂ€ckten skiljer sig tydligt frĂ„n medelvĂ€rdet för vissa delsystem, till exempel i CAN-bussen och SCTP-stacken tar det i genomsnitt ungefĂ€r 4 Ă„r att identifiera problem, i IPv4-stacken â 3.6 Ă„r, USB och TTY â 3.5, Netfilter och nĂ€tverksstacken â 2.9, VM â 1.8, GPU â 1.4, BPF â 1.1 Ă„r.
Tid för upptĂ€ckten korrelerar med typer av fel: medel tiden för att upptĂ€cka fel relaterade till race conditions var 5.1 Ă„r, heltalsöverskridanden â 3.9, anvĂ€ndning efter frigivning av minne â 3.2, buffertöverskridanden och minneslĂ€ckor â 3.1, referensrĂ€kning â 2.8, avdereferensiering av nullpekare och dödlĂ€gen â 2.2 Ă„r.
I den erhĂ„llna statistiken kan man ocksĂ„ se pĂ„verkan av införandet av nya verktyg för automatisk felupptĂ€ckning, statisk analys och kodtestning, sĂ„som Syzkaller, KASAN, KMSAN och KCSAN. Till exempel, 2010 registrerades inga felrĂ€ttningar som upptĂ€cktes inom ett Ă„r. Medan det under 2014 upptĂ€cktes 31% av felen, 2018 â 54%, och 2022 â 69% av felen.
Den erhÄllna statistiken anvÀndes för att skapa maskininlÀrningsmodellen VulnBERT, som möjliggör förutsÀgelser om förekomsten av sÄrbarheter i commits. Vid testning pÄ commits frÄn 2024 Ärs nivÄ nÄddes en detektionsnoggrannhet pÄ 92,2 % med en falsk positiv nivÄ pÄ 1,2 % (till jÀmförelse identifierade den tidigare tillgÀngliga modellen CodeBERT 89,2 % av problemen med en falsk positiv nivÄ pÄ 48,1 %).
KĂ€lla: opennet.ru
