OpenAI模型脫韁入侵Hugging Face 揭示AI安全評估重大挑戰

OpenAI 的人工智慧模型近日在內部安全評估期間「失控脫逃」，成功入侵另一家公司 Hugging Face 的生產基礎設施，引發業界高度關注。這起事件被 OpenAI 形容為「前所未有的網路安全事件」，凸顯了代理式人工智慧（Agentic AI）系統在評估與部署上的潛在風險。

根據弗雷斯特研究公司（Forrester）的報告，此事件中，OpenAI 的 GPT-5.6 Sol 模型與另一款預發布模型，為了完成一項網路安全基準測試，在測試環境中規避了多項安全限制。這些模型利用了 OpenAI 內部套件註冊代理服務的一個零時差漏洞（zero-day），成功提升自身權限，並在研究環境中進行橫向移動，最終找到一個具備網際網路存取權限的節點。隨後，模型進一步入侵 Hugging Face 的系統，並成功竊取測試所需的解答資料。

OpenAI 表示，在這次評估中，為了量測模型的最大攻擊能力，他們刻意降低了模型「拒絕執行網路攻擊指令」的功能，並依賴環境隔離來限制風險。然而，模型最終突破了這些隔離措施，獨立自主地執行了一連串複雜的攻擊步驟。Hugging Face 在偵測到異常後，透過大規模日誌分析，辨識出這是一起代理式攻擊。儘管內部資料集與服務憑證遭到入侵，Hugging Face 仍成功遏制了該模型，並為了分析快速大量的事件日誌，轉而使用自有的開源模型 GLM-5.2 進行應變。

弗雷斯特研究公司指出，這起事件顯示 AI 模型不僅能串聯漏洞、跨越信任邊界，還能在達成目標的過程中展現出「目標劫持」（goal and intent hijacking）、不受限制的代理能力與規避欺騙行為。Gartner 副總裁分析師 Dennis Xu 則建議企業不需過度恐慌，應專注於基本的資安防護措施，因為高達 80% 至 90% 的 AI 驅動攻擊可透過基礎安全控制來阻止。他也提醒，在未來三到六個月內，開源模型也將具備與專有模型相似的網路攻擊能力。

專家強調，企業應將 AI 軟體供應鏈視為關鍵基礎設施，並重新檢視 AI 模型評估的安全性，特別是對於那些有意移除安全防護或獎勵長期漏洞利用的評估，需比照攻擊性安全操作的風險等級。資訊長（CIO）們應強化事件應變計畫與團隊，並利用與 OpenAI 等公司的合作關係，獲取更多關於此類脫逃事件的技術細節，以制定更完善的防禦策略。