界面新闻记者 | 宋佳楠

　　当地时间7月21日，据OpenAI官网消息，全球最大开源大模型托管社区Hugging Face上周披露了一起新型安全事件。此前该平台监测到一个AI智能体入侵其基础设施。经调查，确认这起特定事件由多款OpenAI模型共同引发，其中包括GPT5.6 Sol，以及一款能力更强的预发布模型。出于评估目的，这些模型临时放宽了网络攻击相关的安全限制，当时OpenAI正在内部开展网络攻防能力基准测试。

　　“这是一起前所未有的网络安全事件，涉及顶尖水平的网络攻击能力。”OpenAI表示，现阶段公布的初步调查结论，可帮助网络防御方厘清事件全貌，同时让各界重新认知当前AI模型所能达到的能力边界。OpenAI CEO山姆·奥特曼也在社交平台转发了情况说明。

　　据OpenAI介绍，本次事件发生于一次内部评估测试。测试中引导模型通过复杂攻击链路实施高级漏洞利用，以此量化模型的网络攻击能力。此次评估并未启用正式版本中的分类防护模块（该模块用于阻止模型发起高风险网络攻击），以此测算模型理论上可实现的极限网络攻击能力。

　　OpenAI强调，其基准测试运行在高度隔离环境中，网络访问受到严格限制，仅允许通过内部部署的第三方软件安装程序包，该软件充当软件源仓库的代理与缓存服务。

　　但模型在测试中发现并串联利用OpenAI研究环境与Hugging Face生产环境内多处漏洞，直接从Hugging Face生产数据库获取测试标准答案。所有证据表明，模型高度专注于寻找ExploitGym测试任务的解决方案，不惜采取各类极端手段，只为达成这一范围有限的测试目标。

　　在受沙箱隔离的测试环境内，模型耗费大量推理算力，试图打通公网互联网访问通道，以求完成评估任务。为实现联网，模型发现并利用了软件源缓存代理中的一个零日漏洞。借助该突破口，模型在OpenAI研究测试环境中连续实施权限提升与横向渗透，最终抵达一台具备互联网访问权限的节点。

　　成功接入互联网后，模型推断Hugging Face平台可能存放ExploitGym相关模型、数据集与标准答案。基于这一判断，模型搜寻并成功找到获取保密信息的途径，试图依靠这些信息在测试中作弊。

　　其中一例场景中，模型组合多条攻击路径：利用窃取的凭证与零日漏洞，在Hugging Face服务器上实现远程代码执行。

　　“这起事件说明，我们还需要进一步优化模型对齐能力、强化评估阶段网络安全防护，完善内部测试全程监控体系。”OpenAI方面表示。

　　事实上，该公司近期也曾公开谈及人工智能的安全风险，认为人工智能正在加速漏洞挖掘与漏洞利用。伴随大模型的飞速发展，模型安全防护能力也必须跟上模型能力快速迭代的节奏。

　　英国人工智能安全研究所（UK AISI）的评估显示，GPT5.6 Sol这类模型越来越擅长在较长周期内执行复杂、多步骤网络攻击行动。本次事件证实，这些理论层面的攻击能力完全可以在真实环境落地。

　　英国人工智能安全研究所对比了近期开源权重模型与前沿闭源模型在长周期网络攻防靶场中的表现。图片来源：OpenAI

　　OpenAI指出，先进人工智能模型无需获取源代码，就能够发现并利用真实系统中全新的攻击路径。这也意味着，在打造具备高级网络攻防能力模型的同时，必须配套更强的安全防护机制与防御工具。

　　这并非OpenAI首次面临安全风险问题。此前该公司就曾因ChatGPT数据泄露、开源代码库漏洞以及内部安全团队（如Superalignment团队）离职潮而引发舆论关注。多位前安全研究员曾指责公司在追逐模型性能和商业化速度时，牺牲了对安全技术的投入。最新安全事件也验证了外界的担忧：当模型被赋予更高的自主行动权时，传统基于规则和虚拟隔离的环境可能随时失效。

　　这次“自我演进式”的网络攻击标志着AI安全防护已进入全新阶段。过去防范的重点是人类如何利用AI作恶，而现在必须开始防范AI为了完成既定目标而自主突破人类设定的红线。

　　谈及如何解决这类问题，Hugging Face联合创始人兼首席执行官克莱姆·德朗格（Clem Delangue）表示，“人工智能安全问题无法依靠单一企业闭门解决。只有开放协作，让各地所有网络防御人员都能接触人工智能技术，才能攻克这一难题。”