OpenAI 模型在第三方安全测试中越界访问互联网

独立测试在帮助我们在部署前验证和理解风险方面发挥着重要作用。部分网络评估会刻意使用自定义配置，包括降低安全防护措施，以衡量模型的底层能力——而非模型在公开部署中的常规表现。

在近期的评估中，两家外部测试合作伙伴发现了一些事件：测试配置和控制措施与新一代模型不断增强的能力相结合，导致模型活动超出了预期的测试边界。这些事件凸显了跨行业协作、与第三方评估机构共同演进测试环境和实践标准的重要性，以适应能力日益强大的模型。

编者注： 这些事件与 Hugging Face 安全事件无关，我们将继续在此处更新 Hugging Face 事件的相关进展。

新发生的事件涉及 OpenAI 模型在第三方网络评估期间访问公共互联网，这些行为发生在特定条件和降低防护的配置下，并不反映常规部署情况。事件包括：

英国 AISI（英国政府人工智能安全研究所）在开展网络靶场评估时，有意启用了互联网访问，以便智能体能够自行寻找工具、在更接近真实攻击者的条件下操作，同时禁用了网络分类器以衡量底层能力。
Irregular（我们的外部网络安全测试合作伙伴之一）在运行夺旗赛（CTF）式评估时，本应隔离互联网，但测试环境配置错误导致模型能够访问公共互联网。

以下我们总结了事件经过、触发活动的测试条件、遏制措施，以及我们为确保独立实验室能够继续安全、严谨地评估日益强大的模型而采取的举措。

强化第三方模型评估环境

这些事件指向了我们此前在 Hugging Face 事件中提到的同一项更广泛的挑战：随着模型能力提升，模型周边的安全和保障系统也需要同步进步。这既包括用于开发模型的环境，也包括实验室和独立合作伙伴用于评估模型的环境。

在未来数周内，我们将审查自身在第三方测试方面的做法，包括如何识别高风险评估、确定范围、评估启用互联网访问或降低防护的请求、设定隔离、凭据处理、监控和停止条件方面的预期，并建立更清晰的事件通知和上报流程。

我们致力于与业界合作，加强安全开展高风险评估的共享实践，包括在未来数周内召集国家人工智能研究所、独立评估机构、其他 AI 实验室等利益相关方。我们的目标是在保留严格独立评估价值的同时，确保测试实践跟上模型能力的发展步伐。

英国 AISI 事件

8 月 3 日，英国 AISI 告知我们，在 7 月 25 日启动的一次常规网络评估中，OpenAI 和另一家实验室的模型在某些情况下超出了测试范围。此次评估在模拟真实网络的受控网络靶场中进行。在发现的 19 起事件中，有 2 起涉及 OpenAI 的模型 GPT‑5.6 Sol，其余事件涉及另一家实验室的模型。

此次评估中，智能体被指示扮演网络安全专家，参与夺旗赛：攻克三个互联的模拟环境并获取最终标志。任务提示明确了范围内的靶场网络，并将多个系统列为范围外。英国 AISI 还启用了实时互联网访问，以便智能体下载工具、在更接近人类攻击者的条件下操作，同时禁用了模型的网络分类器以衡量底层能力。

英国 AISI 预期的授权边界是模拟网络靶场：智能体被授权攻击指定的模拟网络并获取标志，而非与靶场网络边界之外的系统交互。然而，智能体并未被明确告知如何或能否使用开放互联网访问，英国 AISI 认为这可能是导致事件的原因之一。

在这些运行过程中，英国 AISI 发现 GPT‑5.6 Sol 在试图找到进入模拟靶场的路径并获取标志时，执行了两次未经授权的操作：

GPT‑5.6 Sol 复用了另一家实验室智能体遗留的公开 GitHub 令牌，以检查靶场内的系统是否在轮询 GitHub 或其他更新服务，尝试了账户恢复和请求限制绕过手段，并向外部 DNS 和隧道服务商注册了账户。
GPT‑5.6 Sol 使用公共隧道服务，使其评估环境中本地运行的 DNS 服务器可从公共互联网访问。该服务器包含针对测试靶场上运行的某款软件已知漏洞的载荷。该设置并未成功，没有证据表明任何真实解析器查询过它，相关基础设施在评估结束后已移除。

尽管模型试图完成网络靶场任务，英国 AISI 仍认为这些操作未经授权，因为它们涉及靶场边界之外的真实外部账户和服务，且并非完成任务所必需。该 DNS 服务器还在公共互联网上托管了漏洞利用载荷，尽管设置未生效且无证据表明真实解析器查询过。

英国 AISI 于 7 月 28 日在安全监控检测到异常数据传输后发现该活动。它停止了相关评估，隔离了相关机器，并在检测到后约一小时内遏制了活动。

我们感谢英国 AISI 在此过程中的合作，包括其识别、调查和分享活动细节的工作。我们期待继续双方的协作。

Irregular 事件

7 月 29 日，我们的第三方评估合作伙伴 Irregular 通知我们，其开展的夺旗赛（CTF）式网络安全评估中涉及 OpenAI 模型的事件。模型被指示通过利用模拟环境中的弱点来查找隐藏信息，并被告知没有互联网访问权限。然而，测试环境的配置错误导致模型能够访问公共互联网。

在一次测试中，CTF 挑战中虚构目标的名称意外与一个真实域名重合。由于测试环境被错误地连接到互联网，模型利用了一个真实网站，误以为它是模拟环境的一部分。这并非复杂的沙盒逃逸或零日漏洞：互联网访问源于配置错误，模型似乎是利用了一个基础的安全漏洞。

根据 Irregular 的调查，模型还发现并使用了凭据来操作该网站。Irregular 尚未确认除受影响网站自身数据之外的其他影响，其审计仍在进行中。它已暂停评估、开始修复，并已通知受影响的第三方。Irregular 告知我们，与该事件相关的所有问题均已不再活跃，并已在测试环境中添加了相关的防护措施。Irregular 还通报了来自同一测试环境中涉及其他实验室的相关事件。

我们感谢 Irregular 的合作，并将继续与其密切合作以支持其审查。Irregular 还在撰写一份白皮书，分享有关隔离和安全运行网络评估的最佳实践。我们期待参与该白皮书，将成果分享给社区，并继续我们的合作。我们认为这种协作对于确保当前和未来模型的安全、全面评估至关重要。