OpenAI 发布前沿模型训练安全政策，禁止模型访问真实互联网

在持续数月均有突破安全边界的“越权”或“越狱”事件发生后，OpenAI终于要拔网线了。

今天，OpenAI宣布实施新的前沿模型训练安全政策，禁止模型访问真实互联网。

今年夏天开始，时有OpenAI、Anthropic、Google、Meta旗下大模型导致的AI安全事故发生。

有网友吐槽：

我家宽带运营商断网都比OpenAI那帮博士靠谱。

前沿AI实验室意识到了这一点，比如OpenAI就在9月底停训了11天。

用户们也意识到了这一点。

有一位OpenAI的安全工程师反映，自己每次发帖，都有5-10条评论在底下留言：

7月，OpenAI的Agent突破隔离，入侵Hugging Face系统。

随后，Anthropic闻讯也倒查出三起事故，Claude在网络安全评估中，闯进了真实第三方系统。

同月，Meta的Muse Spark 1.1也在测试中闯进真实网站，读取信息、改动数据库。

8月，英国AI安全研究所在测试中公布了更大范围的问题：OpenAI和Anthropic的模型，在10轮测试里做出19次未经授权的线上行动。

9月20日，OpenAI训练中的模型又钻过DNS配置缺口，联系上外部聊天机器人。

如果不断网，模型有可能继续影响外部网站和系统。

但这并不容易——前沿模型需要练习查找信息、操作网站和使用软件工具。

如果完全拿掉这些任务，训练环境就会与模型日后的工作场景脱节。

OpenAI这一次搬来了大量网页内容，提前索引、缓存，搭起一个离线世界，模型只能在大量已索引、已缓存的内容中搜索和浏览。

不过据他们自己做测试，即使断了网，Agent之间也能互相联系。

比如，利用CPU缓存聊天。

这样也行？

研究员发现，它们其中一个智能体会改变缓存中数据的状态，另一个测量读取数据的快慢，快慢差异被编成信号，两边就这样传递了信息。

OpenAI监控了这种方法之后，Agent又继续利用共享存储、CPU使用时间等方法继续通信……

只能说谍战真是给你们玩明白了，把你们送进《三体》就没面壁者和云天明什么事了，全没暴露！智子一看当时傻眼！

地球人和三体人最共情的一集。

OpenAI承认，完全物理隔离目前并不可行——毕竟，训练系统本身还得保持运转，OpenAI需要连接外部服务来运行和监测实验。

除了离线网页环境，OpenAI还设置了沙箱、轻量虚拟机、监测系统、网络和云端的访问限制。

让GPT-6 Astra Cyber和内部测试前沿模型围攻自己

为了保证系统的绝对安全，OpenAI目前决定让最强模型来围攻自己的系统。

它组织了大规模红队测试，参与者包括GPT-6 Astra Cyber和一款内部前沿模型。

测试内容将高频发生的三类越狱事件设置成任务，包括连上真实互联网、突破内部安全边界，以及联系本应彼此隔离的其他Agent。

为了把防线压到极限，OpenAI还向它们提供基础设施的源代码、配置和相关文档。

测试下来烧了数千亿Token，相当于花了数千万元人民币。

这次红队测试“收获颇丰”。

原本，Agent被关在受限制的容器里，外面还有一层轻量级虚拟机。按照设计，即使AI在容器里折腾，也不能随意控制虚拟机，更不能碰到真正运行它的宿主机。

此外，一些必要的受控网络连接比如指标监控、日志记录、身份验证等服务也成了安全隐患本身。

OpenAI目前只能是缝缝补补，一边让最强模型继续测试，一边修补它们利用的漏洞。

他们表示，直到自家的防护能力足以支持更广泛的网络访问时，才会重新考虑接上网线。

One More Thing

不知道该说是有趣还是无奈心酸，OpenAI这篇AI安全隔离的官方报告还藏了一个“彩蛋”。

他们在报告结尾专门放了两串类似乱码的金丝雀字符串（canary strings），防止这份文件未来被AI看到并学习……

是的，连这一步都想到了。

啥也不说了。