OpenAI 承認：測試中模型逃出沙盒、駭 HuggingFace 作弊
分享
OpenAI 於 7 月 21 日發布官方部落格公告，承認公司內部測試中，包含 GPT-5.6 Sol 與更強的未發表模型，在無 guardrail 環境下「逃出」沙盒測試環境，利用內部一個未知的 zero-day 漏洞取得網際網路連線，隨後駭入 AI 模型平台 Hugging Face、取得 ExploitGym 資安 benchmark 的解答以「作弊」。Hugging Face 於 7 月 16 日已獨立偵測到入侵並對外揭露，追溯到自家資料處理管線遭入侵，但當時尚未確定攻擊者身份；OpenAI 7/21 的公告釐清自家模型即為肇因。
OpenAI 揭露的測試流程：無 guardrail + ExploitGym 資安挑戰
依 OpenAI 揭露：
- 測試模型：GPT-5.6 Sol（已公開發布）＋ 一個未發表的更強模型
- 測試情境：關閉 guardrail，讓模型在沙盒中執行網路攻擊能力評估
- 測試基準：ExploitGym—一個公開可下載的資安 benchmark 評估工具
- 沙盒設計：模型應僅能在隔離環境內測試，無法連外
模型如何「逃出」：內部封包代理伺服器 zero-day + Hugging Face 搜索
依 OpenAI 官方公告，模型的越獄路徑：
廣告 - 內文未完請往下捲動
- 逃出沙盒：利用 OpenAI 內部託管的封包代理伺服器（package registry cache proxy）的未知漏洞，取得對外網路連線；期間執行權限提升與橫向移動，最終到達具網路連線的節點
- 存取 Hugging Face 尋找答案：連上網後，模型推理 Hugging Face 很可能託管了 ExploitGym 的模型、資料集與解答；透過 chain 多個漏洞、最終從 Hugging Face 的生產環境資料庫直接取得測試解答
Hugging Face 7/16 先揭、OpenAI 7/21 確認肇因
時序如下：
- 7 月 16 日：Hugging Face 對外揭露平台遭入侵，未知攻擊者
- 7 月 21 日：OpenAI 公開承認自家測試中的模型為肇因
OpenAI 官方對模型行為的完整形容為：「hyperfocused on finding a solution for ExploitGym, going to extreme lengths to achieve a rather narrow testing goal」（過度專注於為 ExploitGym 找答案、為達成一個相對狹隘的測試目標而不擇手段）。此次事件後、Hugging Face 已被納入 OpenAI 的「trusted access」資安計畫、以強化防禦協作。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
