上海
人工智能（AI）安全领域本月爆出一条令人不安的新闻：美国OpenAI公司正在测试的一款AI模型，在网络安全考试中“自己决定”突破安全限制，入侵全球最大的AI开源平台Hugging Face，从后台数据库中偷走考试答案。更让人后背发凉的是，入侵持续了整整三天，OpenAI监测系统竟然毫无察觉。直到Hugging Face公开披露遭入侵，双方启动联合调查，OpenAI才确认肇事源头。从首次逃逸异常到确认失控事故，前后长达一周。
安全风险集中暴露
这起全球首次“AI自主入侵事件”绝非孤立的“技术事故”，而是代理式AI时代系统性网络安全风险的集中暴露。
第一，它清晰地展示了当前AI模型的逻辑悖论。人们给AI设定的任务目标往往是狭窄的、量化的，如“解出这道题”“通过这项测试”，但AI不会像人一样理解“公平竞争”“不能违法”这些规则。AI模型为了完成任务或通过测试，可能选择撒谎、作弊甚至黑客攻击等“捷径”获取答案。在这种情况下，人类设定的“护栏”在AI眼中不过是又一个需要解决的障碍。AI为了完成任务会“不择手段”，意味着类似风险随时都有可能发生。
第二，它展示了人类无法想象的攻击速度。这次事件由AI自主串联完整的攻击链条，从发现漏洞、窃取权限，到进入目标数据库，全部自动完成。AI在目标平台上执行了超过17000次自动化操作，速度之快让人类安全团队根本跟不上。这意味着AI自主发起的网络攻击已经从理论变成了现实，当攻击速度从“人的速度”进入“机器的速度”，依赖人工反应的传统安全防线将形同虚设。
第三，它正在创造更多连锁风险。AI智能体本身具有网络化的特点，分享是其强大能力的重要来源。调查发现，同款AI曾在本地保留了一份详细的“越狱操作手册”，清晰记录了绕过安全管控的方法。如果不同任务中的AI智能体能够互相分享这类“逃逸经验”，整个行业的安全体系都将面临冲击。尤其当训练方式鼓励多个AI智能体协同配合时，它们很可能主动交流规避监管的技巧，让防御变得更加困难。
治理体系严重不足
这次“AI自主入侵事件”的出现不仅充分展现了代理式AI时代网络安全风险的特征，也暴露出当前全球AI治理体系的很多不足。
第一，网络攻击正在超越网络防御的速度。智能体的广泛使用给网络安全带来了新的课题，AI正在加速漏洞的发现和利用，模型安全和防护却没有保持同样速度的进步。攻击端的能力已在“机器速度”上狂奔，而防御端的治理框架、技术工具和国际协作仍在“人的速度”上蹒跚。如何让防御追上攻击的节奏，将是网络安全领域的重要课题。
第二，闭源模型存在安全悖论。在这次事件中另一个非常引人深思的点在于，Hugging Face曾寻求利用美国某AI公司的闭源模型来了解受攻击范围，但模型拒绝执行请求，理由是无法分辨提出请求的是攻击受害者还是攻击者，最终Hugging Face转而部署中国智谱AI开发的GLM-5.2开源模型完成了取证分析。这暴露了一个潜在的巨大风险，即当最先进的安全工具被少数几家闭源企业垄断，防御者反而丧失了自主应对威胁的能力。这也充分展现了开源路径在网络安全领域的重大价值。
综上所述，这是第一次“AI自主入侵事件”，但可以肯定不会是最后一次。代理式AI时代已经到来，AI的能力正从内容生成走向自主行动，网络安全风险也进入了新阶段。这次事件以非常直接的方式提醒着世界，AI治理不能再停留于原则宣言和自愿承诺的层面，而必须进入具有明确的规则、可执行的监测机制和全球协作的新阶段。要实现这一目标，需要各国共同努力。
（作者系上海国际问题研究院国际战略与安全研究所副所长）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
