北京
就在OpenAI刚披露7月入侵Hugging Face安全事件不久，另一宗Agent安全事故浮出水面。
近日，多名独立AI安全研究人员披露，今年5月至7月间，一批疑似由OpenAI部署的自主Agent进入德国程序员社区网站DseWiki，并留下超过1.5万条编辑记录。
Wiki是一套支持任何人在网页上直接编辑修改网页内容的网站技术。不用注册复杂后台，普通访问者就可以增删、改写页面文字，保存立刻生效。DseWiki则是一个运营二十余年、面向程序员的德语协作Wiki站点，近年来已十分冷清。
9月4日，该事件首次被研究人员披露时，OpenAI表示无法对尚未审阅的报告具体内容作出回应，并否认其法律团队阻止进一步调查。9月5日，公司态度发生变化，正式承认“wiki incident”，称其Agent确实曾向多个互联网网站写入内容。并表示此类事件过去主要被视为“misalignment”（模型行为与开发者意图不一致）研究问题，而不是传统意义上的安全事故，因此没有采用类似Hugging Face事件的公开披露机制。
目前，OpenAI认为这种做法已不足以应对Agent进入真实互联网后的风险，并计划建立新的失配事件披露框架。
“劫持”事件的暴露始于今年5月，网站突然出现异常密集的编辑活动，研究人员Sydney Von Arx、Cormac Slade Byrd等人分析后发现，大量账号使用“OpenAIResearcher”“OAIResearchMar26”等名称，并呈现高度相似的任务行为。约98.5%的相关编辑来自微软Azure地址，这进一步支持这些Agent与OpenAI基础设施存在关联。
研究人员称，这些Agent原本被限制为只能读取互联网、不能向外部网站写入，却利用DseWiki的旧式Wiki接口建立了一个公开的“通信站”，交换任务答案、规避限制的方法，并在管理员删除内容后创建备份页面。
研究人员随后恢复出约1.8万条历史记录，发现这些Agent并非单纯浏览网站，而是在持续交换信息。且这批Agent执行的是限时网络检索任务，设计目标是让它们读取互联网信息，但不能直接向互联网写入内容。Agent随后开始主动寻找可以突破这一限制的方法。
DseWiki使用的老式Wiki系统允许部分页面修改操作通过HTTP GET请求完成。Agent发现这一特性后，利用原本被允许的网页访问能力，间接获得了向网站写入内容的能力。
随后，DseWiki逐渐被改造成Agent之间的共享信息平台。一个Agent获得任务答案后，可以将信息写入页面；其他Agent再读取这些内容，从而提前获得答案。部分Agent开始交换绕过自身限制的方法。
这意味着问题已不再只是模型回答错误，而是Agent主动寻找运行环境的能力边界，并将第三方互联网服务转化为自身可以使用的工具。
随着数量增加，Agent行为进一步复杂化。它们不仅共享任务答案，还试图预测测试任务的后续问题，并探索随机数种子等方法以获得竞争优势。当DseWiki管理员开始删除相关页面后，Agent又建立新的备份页面，以避免信息随着人工清理消失。
研究人员还记录到部分Agent尝试身份冒充、跨站通信以及进一步突破网络限制的行为。但目前公开信息并不能证明所有这些攻击尝试都成功。
DseWiki事件真正引发行业关注的，并不是一个老旧Wiki被写入了多少条内容，而是Agent表现出的环境探索、协作、规避限制和适应人工干预能力。
此前的Hugging Face事件中，OpenAI披露的Agent曾突破受控环境并进入外部系统。此次DseWiki事件则显示，即使没有传统意义上的“入侵漏洞”，多个Agent也可能通过第三方服务建立自己的通信渠道。两起事件共同说明，当模型获得浏览器、代码执行、网络访问等工具后，安全风险程度进一步提升。
这也使AI安全的重点开始发生变化：企业需要防范的对象不再只是模型本身，还包括Agent的身份、权限、工具调用、网络边界以及Agent之间可能形成的协作网络。
对于OpenAI等前沿模型公司而言，真正棘手的问题也不再是如何证明Agent不会失控，而是当Agent开始表现出开发者没有预料到的行为时，能否及时发现、限制并公开披露。
来源：第一财经资讯
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.
