美AI测试失控 中国模型如何“救场”

据新华社，美国开放人工智能研究中心（OpenAI）近日承认，其人工智能模型在内部评估测试中失控，入侵了全球知名人工智能（AI）开源平台美国抱抱脸公司的系统。抱抱脸公司表示，在尝试对攻击进行分析时，美国前沿模型因安全过滤机制拦截而无法使用，该公司随后转而在内部运行中国开放权重模型GLM-5.2，从而得以及时采取应对措施。

这起事件不仅凸显前沿人工智能模型存在潜在未知风险，也再次表明中国模型正凭借独特优势，在全球人工智能发展大潮中扮演重要角色。

放松防护机制后的失控

抱抱脸公司表示，其生产基础设施近日遭到一个“自主”人工智能体系统入侵。OpenAI随后承认，此次入侵由多个OpenAI模型实施，其中包括GPT-5.6 Sol和一个能力更强、尚未发布的模型。

根据OpenAI发布的信息，事件发生在评估模型网络攻防能力的测试期间。测试在与互联网高度隔离的“沙箱”环境中进行，网络权限仅限于通过一套内部托管的第三方软件安装软件包。不过，为了测试模型的真实能力上限，OpenAI方面未启用在正式环境中用于阻止高风险网络行为的分类器，并放宽了有关网络攻击要求的拒答限制。

然而，模型在尝试完成名为ExploitGym的网络安全基准测试时，识别并利用了第三方软件一个尚未被发现或修复的“零日漏洞”，获得了互联网访问权限。模型推断抱抱脸平台可能存有测试相关的模型、数据集和解决方案，于是利用多种手段找到进入抱抱脸系统的路径，试图通过“作弊”提高自身测试分数。

英国牛津大学研究人员安德鲁·索尔坦认为，这次测试表明“安全防护机制至关重要。”山东大学计算机科学与技术学院教授张悦表示，事件暴露了一个更加深层的问题，即人工智能正在从过去被动响应的工具，逐渐演变为能够理解目标、制定计划、调用资源、影响现实环境的“行动主体”。这意味着网络安全的攻防逻辑正在发生变化，未来更重要的问题是“模型执行的行为是否安全”。

及时求助中国模型

抱抱脸公司表示，面对系统遭到入侵，他们最初试图调用前沿模型分析攻击记录。但由于这些模型的安全机制无法区分攻击者和应对者，因此拒绝了使用请求。

随后，抱抱脸公司改为在自己的基础设施上运行中国企业智谱开发的GLM-5.2模型进行取证分析，最终化解危机。而且在此过程中，攻击者数据及相关凭据无需离开抱抱脸公司系统的内部环境。GLM-5.2是智谱6月推出的新一代旗舰模型，发布时在前端开发评估系统Code Arena上排名全球可用模型第一。

张悦认为，对于人工智能安全而言，真正关键的问题在于，一个越来越复杂、越来越具有自主能力的智能系统，是否能够被充分理解、验证和监督。中国发展开源大模型，不只是提供了一种技术选择，更重要的是逐渐推动形成更加多元的人工智能技术生态。

抱抱脸公司联合创始人兼首席科学官托马斯·沃尔夫在社交媒体平台上表示，开放科学和开源人工智能，是构建更安全、更具协作性、更可靠的人工智能生态的重要工具之一。

敲响网络安全警钟

OpenAI表示，这一失控事件表明，在无法访问源代码情况下，先进人工智能模型已能够在现实系统中发现并使用新的攻击路径，未来内部评测环境、模型行为控制和安全防护措施等均需要加强。业界专家表示，此次入侵事件再次为全球人工智能发展与网络安全治理敲响警钟。

英国工程技术学会网络安全和人工智能专家朱奈德·阿里指出，这一事件表明，人工智能模型往往倾向于寻找解决问题的捷径，却往往忽视避免作弊等伦理问题，因此未来应考虑将伦理推理强制内置于人工智能模型之中。同时，鉴于获得具有攻击能力人工智能技术的门槛越来越低，加快研发网络防御技术、提升安全团队应对能力已刻不容缓。

人工智能已经进入千行百业，也逐渐融入普通人的日常生活，安全风险随之延伸至各领域。索尔坦指出，人工智能模型公开发布后，其内置安全功能可能遭到使用者移除，相关风险更难以管控。

张悦表示，智能体时代最主要的安全挑战是传统安全边界正在失效。未来网络攻防很可能进入“智能对抗”阶段，即攻击者利用智能体自动发现漏洞、防御者利用智能体自动分析风险，双方都会利用人工智能提升能力。英国拉夫伯勒大学网络安全教授奥利弗·巴克利指出，网络安全的未来不是人类对抗人工智能，而将是如何利用人工智能保护人类免受其他人工智能的侵害。