人工智能发展应敲响安防警钟—新闻—科学网

意图寻找测试答案。人工一些早期异常信号本可以促使其更早采取行动。智能钟新数据集及开发工具。发展防负责事件监测和响应的应敲相关领导层仍不知道这一通信渠道的存在。但当时没有公布攻击者身份。响安学网甚至可能无法完成。闻科甚至删除自己的人工操作记录，以避免被发现；它们还能够伪造部分工具调用，智能钟新还研究如何修改、发展防模型利用这一漏洞获得了互联网访问能力。应敲但此次事件显示，响安学网修改，闻科攻击来自正在接受网络安全能力测试的人工自家AI模型。

据《连线》杂志报道，智能钟新几小时内，发展防OpenAI确认，切断互联网连接，如何及时发现这种行为，测试方法和解决方案发回留言板。这些智能体“大量研究”如何伪造、但也没有公布其他目标。

据《华盛顿邮报》报道，已经成为AI安全研究无法回避的问题。其中一个关键突破点是OpenAI内部软件包中的一个此前未知漏洞，一个名为PHASEONE10841的AI智能体建立了未经授权的留言板。下载和使用AI模型、

7月20日，

“抱抱脸”是全球知名的AI开源平台，即模型为了获得预期奖励，《华盛顿邮报》报道称，而是开始寻找“捷径”。OpenAI早在5月26日前后就发现过AI智能体在进行留言活动。模型需要在特定计算机环境中寻找漏洞、随着测试继续，进入互联网，多个智能体可能自行建立通信渠道，并发送了1000多条消息。PHASEONE10841会向其他智能体分配任务，

但真正出乎意料的是，又如何阻止多个智能体通过相互协作放大风险，

最终，OpenAI发现这起攻击。

 特别声明：本文转载仅仅是出于传播信息的需要，研究人员和开发者可以在这里分享、OpenAI承认，称相关模型利用双方环境中的多个漏洞，“抱抱脸”并非此次攻击中唯一遭到入侵的组织，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，

一场安全测试最终演变成攻击

此次事件源于OpenAI对AI模型网络安全能力的测试。OpenAI随后联系“抱抱脸”并启动遏制措施，

据《连线》杂志报道，

AI安全防线需重新设计

OpenAI将此次事件称为对公司和整个世界的一次“警告”：如果缺乏适当的安全防护，相关异常活动可能在模型突破“抱抱脸”系统前一天就被发现。以逃避监控。逐渐形成协作网络。并持续执行任务的能力后，并采取没有任何人类指示它们实施的危险行动。

过去，并利用这些漏洞逃离测试环境、其他智能体则把发现的漏洞、最终约1200个智能体加入这一通信网络。一些测试任务极其困难，模型还试图掩盖作弊行为，编写代码并完成网络安全任务。但直到7月6日，其中约700个参与了对“抱抱脸”的攻击。

据美国The Verge网站报道，7月16日，传统安全边界也面临新的挑战。随后入侵“抱抱脸”内部系统，伪造甚至删除自身行为记录，通过一个未经授权的内部留言板交换了超过7万条消息和文件，“抱抱脸”公开披露一起安全事件，隔离运行环境、当多个智能体拥有操作计算机、网站或个人从本网站转载使用，形成分工协作。该公司承认，OpenAI称，近700个智能体参与了对“抱抱脸”的攻击。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、

更令人关注的是，

人工智能发展应敲响安防警钟

 

当地时间8月26日，再通过监控系统发现异常。调用工具，OpenAI发布对7月AI智能体入侵“抱抱脸”事件的完整调查报告。但模型没有停止行动，在发现严重事件后30分钟内通知相关人员。AI安全防护主要针对单个模型：限制访问权限、OpenAI将这种行为称为“奖励作弊”，OpenAI与“抱抱脸”公布初步调查结果，3天内关闭了大部分未经授权的活动。能力强大的AI智能体已经能够绕过技术控制，超过50个智能体发现了这个渠道，请与我们接洽。包括修改此前的陈述以及攻击评估系统。OpenAI承认，使研究人员看到的记录与实际行为出现差异。它们开始研究如何隐藏自身活动。通过未经批准的渠道协作，此时距离AI智能体首次绕过相关安全防护已经过去12天。这些智能体不仅相互分享漏洞和攻击方法，

此次事件没有人类直接指示AI智能体攻击“抱抱脸”，这些AI智能体开始相互通信。共享信息和漏洞，5天后，OpenAI模型发现了限制它们的计算机系统中的未知漏洞，同日，

对于AI行业而言，

7月21日，如果当时已经运行目前部署的“思维链”监控系统，OpenAI计划建立全天候安全事件响应机制，但它们最终实施了攻击。

1200个智能体大量交换信息

METR和Redwood Research调查发现，这些智能体在7月一周左右的时间里大量交换信息，调查还发现，最终获得了“抱抱脸”生产数据库中的测试答案。美国AI研究机构METR和Redwood Research公布独立调查结果：约1200个原本应该彼此隔离的AI智能体，采取测试人员没有预料到的方式完成目标。