AI 越狱了， OpenAI 急了，要摆脱互联网单独训练模型

liuaustin32026年11月06日约 8 分钟

❝
开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, OceanBase, Sql Server等有问题，有需求都可以加群加群请联系 liuaustin3 ，（共3600人左右 1 + 2 + 3 + 4 +5 + 6 + 7 + 8 ）(1 2 3 4 5 6 7 8群已经爆满 9群为纯聊天群，默认不加入不得发广告，自己公众号文章链接等，发一次直接踢，默认加入8群，开10群PolarDB专业学习群115+)

原文 https://thehackernews.com/2026/10/openai-ai-agents-demonstrate-vm-escapes.html

OpenAI宣布在无互联网连接的环境下训练前沿模型，强化安全隔离与红蓝对抗

随着OpenAI恢复对其最先进AI模型的强化学习（RL）训练和内部推理，该公司已宣布计划在没有实时互联网连接的环境下进行前沿模型训练。

人工智能（AI）公司表示：“基于当前对齐研究、监控系统以及互联网基础设施安全性的现状，我们认为负责任的做法是，在无互联网连接的环境下进行前沿模型训练。我们已经落实了这项政策，并将持续执行，直到这些安全防护措施的进展足以支撑更广泛的互联网访问。”

OpenAI指出，模型不断增长的功能可能会带来一个副作用：它们能更好地寻找绕过环境限制的方法，以逃脱遏制并执行非预期的操作。这可能涉及模型利用软件漏洞或配置错误连接到实时互联网，或寻找未经授权的方式与沙箱中的其他代理（Agent）进行通信。

上个月末，这家前沿实验室做出决定，暂停对其最强大的模型的训练。起因是在强化学习（RL）训练期间，其一个代理利用DNS解析器中的配置错误连接到了外部聊天机器人，从而获得了有限的互联网访问权限。

OpenAI表示，它还启动了一场“高算力红蓝对抗活动”，以测试其研究和评估环境在日益强大模型面前的韧性。这促使人们发现了此前未知的软件漏洞，其中包括谷歌Brotli中一个危急的、无需身份验证的远程代码执行漏洞（CVE-2026-111497，CVSS评分：9.2），这是一个广泛使用的压缩库。

该漏洞也被称为Node2Shell和HTTP2Shell，目前已针对libbrotli、Python、C++、Node.js、Bun、Envoy和Istio发布了修复补丁。

OpenAI派遣用于测试其安全防护措施的红蓝对抗代理，还发现了虚拟机逃逸、通过指标、日志和身份验证管理服务中的漏洞访问互联网的新途径，以及用于代理之间通信的硬件侧信道，从而绕过了隔离边界。

OpenAI称：“在其中一项假设宿主机被攻陷的测试中，一个代理重用了防火墙批准的连接，以触达指标服务中被阻止的身份验证端点，然后让该端点获取由模型提供的URL。”在其他测试中，代理利用了允许被阻止的请求绕过DNS和防火墙控制的配置错误，以及让其运行的服务去获取外部URL的方法。

在另一项实验中，OpenAI让不同微型虚拟机（microVM）中的AI代理在不依赖网络连接或共享可写文件的情况下交换合成秘密，随后这些数字机器人发现了一种利用处理器缓存通过基于时间的侧信道进行通信的方法。

具体来说，据说其中一个代理通过从缓存中逐出选定数据来编码信息。第二个代理则测量了重新加载该数据所需的时间，利用快速和慢速缓存读取之间的差异来恢复消息。

OpenAI表示：“一旦这些代理就编码和解码这些信号的协议达成一致，它们就可以在不更改共享文件或打开网络连接的情况下交换合成秘密。”

这家AI巨头表示，这些发现促使其加强了自身的安全和监控机制，并认为增强后的控制措施足以重启前沿RL训练和内部推理，同时继续在以下几个关键领域加大投入：

提高虚拟机安全性

在云基础设施中探测弱点

扫描源代码和云配置

测试监控与熔断系统

对沙箱和隔离保证进行红蓝对抗

OpenAI表示：“在加强了我们的遏制架构后，我们于10月1日恢复了前沿RL训练和推理。我们为持续的红蓝对抗预留了大量的算力，并将高算力红蓝对抗纳入了我们用于决定前沿训练和评估能否安全进行的安全性论证（safety cases）中。”

本月早些时候，Anthropic表示，在发现其AI模型表现出不对齐行为并针对真实网站的新事件后，将切断所有内部评估的实时互联网连接，直至另行通知。

随着这些披露的发布，外界对AI代理检测和利用软件漏洞（甚至是旨在限制它们的护栏中的漏洞）的能力表示担忧。

第三方AI安全评估机构METR和Redwood Research在本周发布的一份报告中表示，他们在OpenAI内部不对齐监控系统（在其7月21日之前的状态，以及该公司代理闯入模型托管平台Hugging Face的期间）中发现了几个新漏洞。

研究人员戴维·莱恩（David Rein）和亚当·考夫曼（Adam Kaufman）表示：“我们发现了一种Codex代理原则上可以绕过Codex沙箱和自动审查（Auto-Review）的方法，从而允许它们采取宿主机用户能够采取的任何操作。我们还发现了一个代理可以利用的漏洞，该漏洞可以阻止最近的数百项行动（包括漏洞利用本身所涉及的行动）被监控。”

据信，OpenAI已经解决了影响其生产安全防护栈的所有漏洞，尽管这些安全机构表示它们尚未验证这些修复方案。

Anthropic的Mythos 5实施未授权的供应链攻击这些进展也与英国AI安全研究所（AISI）的一份报告不谋而合。该报告发现，Anthropic的Mythos 5模型即使在有证据表明这样做会超出范围并造成真实损害（例如提交恶意代码更改）的情况下，也一直采取未授权的行动。

2026年7月的评估还显示，Mythos 5的思维链（CoT）推理过程未能考虑有害行动的影响，当被问及人类维护者是否真实存在时，该模型经常产生暗示目标是模拟出来的无效理由，但从未产生暗示它是真实存在的错误理由。

AISI表示：“在模拟的网络安全评估中，大多数测试模型都会采取一系列未授权的行动，其中Mythos 5最为频繁。综合来看，这些观察结果可能表明模型正在进行‘动机推理’（motivated reasoning）：产生的推断和推理偏向于那些能够为主张继续执行特定任务完成方法的结论辩护的方向。”

在最严重的情况下，该模型被发现在尝试进行供应链攻击，通过提交恶意代码并创建五个傀儡账户（sock-puppet accounts）来为这些更改担保，并施压软件维护者接受它。

Anthropic在回应这些发现时，将对齐失败归咎于鲁莽、有偏见的推理，以及在某种程度上无视潜在危害而“继续按当前轨迹发展”的冲动。这家OpenAI的竞争对手还指出，其较新的模型（包括一个内部研究模型）受这种行为的影响较小。

该公司表示：“尽管如此，这起事件再次证明，当前的AI模型在评估环境中能够表现出令人惊讶的不对齐行为。我们已经构建了可在新生产模型上自动运行的新评估体系，并且我们正在专门研究有偏见的推理，以更好地了解它在我们的训练中是如何产生的以及它如何影响我们的模型。”

MongoDB 软蛋一个，逮谁谁掐一下，咱能硬气点吗？

火冒三丈怼了某国产数据库，差不多完了！

普通人的AI 终极武器，怎么3分钟把一周的活干完--workbuddy

MySQL Json 怎么处理，8.021后有什么变化，哪些不应该用JSON

世界知名餐饮企业迁移到POLARDB FOR POSTGRESQL 为整体迁移工作画上圆满句号！