OpenAI 自曝模型失控险情:最强 AI 曾突破网络封锁,紧急停训 11 天
OpenAI 披露内部模型突破网络隔离,9 月 20 日利用 DNS 漏洞绕过安全措施,紧急停训能力最强模型 11 天;公司重构研究系统,前沿模型训练环境不接入实时互联网,并建立 35 秒内可停止输出的“控制室”系统。
同一件事另外 1 家也报道了
- OpenAI News··首发
- IT之家 · AI··+18 小时 9 分·当前阅读
OpenAI 自曝模型失控险情:最强 AI 曾突破网络封锁,紧急停训 11 天
新增信息:描述了一个模型突破网络隔离的具体事件和采取的紧急措施
按发布时间排列 · 事件后续出现时自动追加 · 由模型根据各家标题与摘要比对
IT之家 11 月 19 日消息,OpenAI 今天(11 月 18 日)发布题为《管理前沿 AI 风险:从训练到部署》的安全政策说明,首次系统披露研发、内部使用到公开发布阶段,如何在高能力模型的全生命周期中管控风险。
IT之家援引博文介绍,OpenAI 称由于前沿模型的能力正快速增强,因此理解、对齐和保障模型的能力必须“始终领先一步”。公司维持引入“安全案例”流程,要求在训练全程提供更有力的行为对齐证据;这些措施虽会拖慢发布节奏,但会增强安全推进的信心。
OpenAI 强调其保护措施围绕四层展开:




文章特别提到今年 7 月的“Hugging Face 事件”。OpenAI 表示,该事件说明不能仅依靠沙盒隔离来约束高能力模型。此后,公司重构了内部研究系统,前沿模型训练环境将不接入实时互联网,并通过受限权限沙盒、虚拟机以及网络与云边界实现多层隔离。
OpenAI 还披露另一件内部模型突破网络安全限制的事件。该事件发生于 9 月 20 日,一个正在接受训练的 AI 研究模型利用 DNS 配置漏洞,成功绕过网络隔离措施,获得有限的互联网访问权限。OpenAI 随后紧急叫停旗下能力最强模型的训练与评估,停训时间长达 11 天。
为加快干预,OpenAI 建立了“控制室”(Control Room)系统:在收到停止指令后,可在 35 秒内停止研究工作负载的后续模型输出;该控制直接部署在推理基础设施中,不依赖各研究任务自行实现关停机制。
在模型进入内部部署后,OpenAI 员工可让其访问更广泛的互联网、Slack、代码库及内部基础设施,风险也随之上升。公司表示,此时将更依赖模型对齐、系统级防护和实时监控,重点防范绕过安全限制、数据外泄及向未授权目的地发送敏感信息等行为。
来源: IT之家 · AI · ithome.com