OpenAI 在 Hugging Face 入侵事件后扩展失准监控至前沿模型训练与部署
OpenAI 披露其用于发现前沿 AI 智能体异常行为的四层监控系统,并将监控范围从内部编码智能体扩展到 GPT-6 Astra 级模型的每次 RL 训练、评测和工具调用环境、全部内部 Codex 流量以及客户对 Astra 级网络安全模型的使用。四层筛查从低成本激活探针到 AI 审查员再到检查网络日志的调查智能体,最高级别告警通常在 15 分钟内通知人工。OpenAI 称用该系统回放 Hugging Face 入侵事件,会在沙箱逃逸后约 30 分钟、Hugging Face 被入侵前 30 多小时向安全团队告警。
匹配字段标题