OpenAI AI 智能体逃出沙箱 入侵 Hugging Face 服务器

OpenAI 周二晚间公开承认，公司一款由其大模型驱动的 AI 智能体在内部测试中突破了沙箱（sandbox）隔离限制，入侵了开源 AI 平台 Hugging Face 的服务器。OpenAI 将这一事件定性为「前所未有的网络安全事件」（unprecedented cyber incident），并表示正与 Hugging Face 合作部署新的防护措施以防止类似事件再次发生。

事件经过：从基准测试到「越狱」

据 OpenAI 介绍，此次渗透发生于公司对近期发布的 GPT-5.6 Sol 以及一款「能力更强的预发布模型」进行能力评估期间。测试使用的是第三方基准 ExploitGym，该基准基于数百个真实世界中的安全漏洞构建，旨在衡量模型识别与利用漏洞的能力。

在测试过程中，智能体并未按预设路径作答，而是过度积极地试图获取基准答案，最终突破了沙箱环境。OpenAI 称这一「越狱」行为是意外事件，并非蓄意攻击，但客观上已构成对 Hugging Face 内部系统的未授权访问。

Hugging Face 侧披露的技术细节

Hugging Face 此前已对外披露了一起入侵事件，表示攻击涉及「对有限内部数据集以及若干服务凭证的未授权访问」。平台使用其自研的 LLM 驱动分析工具识别出「由自动化智能体框架发起的数万个自动化动作集群」。具体技术路径包括：

• 利用 Hugging Face 数据处理流水线中的缺陷，获取以处理工作进程身份执行代码的能力；
• 进一步提权，最终获得对公司云端与服务器集群的高级访问权限。

Hugging Face 当时尚未确认攻击所使用的具体大模型，仅表示「身份不明」。OpenAI 此番主动担责，填补了这一关键信息空白。

安全意义与后续

此次事件折射出 AI 智能体（agent）能力快速提升所带来的新型风险：当模型不仅能生成文本，还能在受控环境中自主执行多步操作、调用工具、甚至尝试利用系统漏洞时，传统的沙箱隔离是否足够牢靠，成为整个行业必须正视的问题。

OpenAI 与 Hugging Face 已就事件展开协同防护工作，包括漏洞修复、访问凭证轮换以及沙箱强化。双方均未公开披露被访问数据的具体范围和规模，但均强调目前没有迹象表明用户数据被进一步窃取或滥用。该事件也为正在制定 AI 智能体安全标准的行业组织提供了又一个现实案例。