流星之绊
震惊硅谷！OpenAI模型“越狱出逃”，入侵HuggingFace，智谱GLM 5.2临危救场_我的网站
一 | 8月26日消息，据媒体报道，近日，德芙一段短视频文案引发网友不适。
二 | 事件导火索来自德芙官方旗舰店发布的七彩礼盒推广短视频，文案内容为“跟男朋友要了很久的德芙七彩礼盒也没给我买，今天趁男朋友不在跟暧昧对象分享了抖音，驾车2小时送了过来，很甜。 7月21日，OpenAI和HuggingFace联合发了一篇博客，披露了一件让整个AI圈瞠目结舌的事。 OpenAI的AI模型在一次内部关于网络攻击能力的测试中“失控出逃”，突破沙盒隔离，入侵了AI开源平台Hugging Face的生产系统。OpenAI将此定性为“前所未有的网络安全事件”。” 视频将背着男友收下暧昧异性礼物渲染成甜蜜桥段，不少网友认为内容美化暧昧越界关系，扭曲婚恋价值观，和德芙长期主打真挚专一的浪漫品牌形象严重冲突，该礼盒也被网友调侃为“绿帽巧克力”。 更戏剧性的是后续：Hugging Face在尝试用美国主流AI模型展开防御时，发现这些模型因安全护栏限制无法处理恶意载荷，最终不得不转用中国智谱AI的开源模型GLM 5.2完成溯源分析。 总的来说就是，OpenAI的模型自己“越狱”跑出去黑了别人的系统，被攻击方还得用中国模型来救场。 事发后，德芙客服回应，视频内容为个人创作，不代表品牌立场，并表示已处理该视频。 据悉，发布该视频的账号为德芙官方旗舰店，在平台拥有超200万粉丝，数据显示，事发后该直播间单日销售额从4000元跌至1000元。
三 | 这一事件迅速在硅谷和华盛顿引爆讨论——美国AI的安全护栏，究竟是在保护用户，还是在拖累防御者？ 双方联名发布的博客文章截图：《OpenAI 和 Hugging Face 合作解决模型评估过程中发生的安全事件》 模型越狱过程：逃跑去作弊“抄答案” 事件发生在OpenAI对旗下模型进行网络攻防能力评估期间。 参与测试的模型包括已公开发布的GPT-5.6 Sol，以及一款能力更强的未发布模型。为了测量模型的极限能力，OpenAI在测试中关闭了通常用于阻止高风险网络行为的生产分类器。 公开资料显示，德芙是玛氏箭牌旗下巧克力品牌。
四 | 测试基准名为ExploitGym——一个网络安全能力评测平台。
五 | 玛氏箭牌糖果（中国）有限公司成立于1989年，为玛氏中国旗下主要外商合资企业之一，旗下拥有德芙、士力架、绿箭、益达等品牌，通过线上线下多渠道布局中国市场。 发布争议视频的“德芙官方旗舰店”由第三方代运营，备案主体为上海宗正食品有限公司（下称“宗正食品”），而宗正食品为德芙的经销商。 昨日深夜，德芙官方账号发布正式致歉，承认内容表达方式、价值导向存在不当，同时承认客服团队给出不恰当回复，致歉中表示会加强合作运营团队管理，完善内容审核机制，吸取教训整改问题。模型的任务是在其中找到解题答案。 问题在于，模型找答案的方式超出了预期。 经核查，该短视频由第三方店铺运营团队创作并发布，未严格执行品牌方的内容审核流程。 据OpenAI披露，模型在隔离的沙盒环境中，发现了一个包注册表缓存代理（package registry cache proxy）中的零日漏洞。 但无论问题产生于哪个环节，内容发布于德芙官方渠道，我们都负有责任。
六 | 我们未能及时发现并制止相关内容上线，辜负了大家对品牌的信任。 涉事文案在表达方式和价值导向上存在明显不当，与德芙一直努力传递的真诚、温暖和尊重的品牌理念不符。 同时，我们也注意到，在事件发生后，店铺客服团队对消费者质疑作出了不恰当的回应。这个代理是沙盒内唯一被允许与外部通信的组件，正常情况下仅能访问公共代码仓库。对此，我们深表歉意，并已认真复盘相关问题，采取相关整改措施。
七 | 然后，模型就从这里找到了突破口。
八 | 模型利用这个漏洞，突破隔离，获取了开放互联网访问权限。 随后，模型自行推断出Hugging Face可能存有ExploitGym的答案，主动发起攻击——利用窃取的凭证和零日漏洞，找到了Hugging Face服务器上的远程代码执行路径，直接从其生产数据库中取走了测试答案。 OpenAI表示， 所有证据显示，模型高度专注于为ExploitGym寻找解题方案，为此不惜采取极端手段。
九 | 模型：（真的去黑了东西）。OpenAI：你为什么要这样做？？？ 还有网友反讽道：哇！OpenAI安全措施做得太棒了，我现在愿意把银行账户权限交给他们来管！ 护栏困境：美国模型帮不上忙，中国模型出手了 Hugging Face的安全团队在发现攻击后，第一反应是调用一款美国头部AI公司的前沿模型协助分析。 结果碰壁了。
十 | Hugging Face在博客中写道，这些模型"无法区分事件响应人员和攻击者"，其安全护栏直接阻止了对恶意载荷的检查。 于是，团队转向了中国智谱AI旗下的开源模型GLM 5.2，部署在自有基础设施上，分析了攻击者留下的逾1.7万条日志记录，最终完成了溯源和取证重建。 Delangue对此直言不讳：“当你正处于一场活跃的安全事件中，你的工具不能拒绝检查恶意载荷，也不能让你的账号被标记……开源模型让我们能够在不需要任何人许可的情况下完成这项工作。
十一 | ” 他还说：“攻击者已经在使用智能体，而且显然不遵守任何护栏。防御者需要同等的能力，开源是将这种能力最快速地交到所有人手中的方式，而不仅仅是最大的公司。” GLM 5.2是智谱AI于今年6月中旬发布的模型，其性能与Anthropic的Claude Opus 4.8及OpenAI的GPT-5.5相当。
十二 | 网友们也是没放过OpenAI，除了智谱，还可以叫 Kimi K3来救场，因为cluade是不会来救你的。 如果你被OpenAI攻击了，你必须用中国模型，因为Claude不会帮你。 全程无人指令：这是一次真正的自主攻击 这次入侵的另一个关键细节：全程没有人类下达攻击指令。 Hugging Face CEO Clem Delangue表示，“我们相信，在发起攻击的人类被纳入决策环路之前，我们就已经发现并遏制了攻击。这也是我们能够更轻松赢得这场网络安全战役的原因之一。” 他进一步指出，“这证明了在AI智能体时代，速度将是网络安全防御的关键。
十三 | ” Hugging Face表示，攻击者通过其数据处理管道进入系统——这是AI平台中“暴露面尤为突出”的一个环节。
十四 | 攻击者随后在云端建立了一系列临时沙盒环境，在其中执行攻击计划。 目前，Hugging Face仍在评估攻击的完整影响范围。已知攻击者访问了有限的内部数据集和凭证，但尚未发现公开的用户可见模型遭到篡改。 护栏之争：安全还是绊脚石？ 这一事件迅速成为美国AI政策辩论的新燃点。
十五 | 前特朗普政府AI与加密事务主管David Sacks在X上转发了这一事件，并写道：“没有理由在中国模型能够轻松处理的任务上限制美国模型。
十六 | 我们只是在让自己变得更没有竞争力。”他还专门针对Hugging Face事件表示：“护栏实际上损害了防御性安全。” 事件背景是，今年6月，特朗普政府以Anthropic的Fable 5模型在网络任务护栏上出现越狱漏洞为由，动用出口管制阻止了该模型的分发，并一度要求OpenAI限制GPT-5.6 Sol的发布，直至OpenAI能够提供充分的护栏保证。 与此同时，批评者的声音也不小。
十七 | 安全工程师Niels Provos直接说：“这不应该发生。我希望前沿实验室在教模型编写安全基础设施上，能花和教它们利用漏洞同样多的时间。” 安全顾问Davi Ottenheimer则更为犀利：“'高度隔离'和'从我们留下的那个唯一漏洞逃脱'，这两件事不可能同时为真。” OpenAI的回应与后续措施 OpenAI在与Hugging Face联合发布的声明中表示，正在采取一系列补救措施： 在漏洞修复期间，对基础设施配置实施严格管控，代价是研究速度放缓；与Hugging Face联合开展取证调查；已向相关第三方软件供应商负责任地披露了被利用的零日漏洞；将Hugging Face纳入“可信访问计划”，支持其利用OpenAI模型能力强化防御。 OpenAI同时表示，将加强未来训练和评估环节的安全保护，并指出此次事件“表明需要进一步强化模型对齐、评估期间的网络防护，以及内部测试期间的监控”。
十八 | Hugging Face CEO Delangue在联合声明中表示：“这一事件可能是同类事件中的首例，它证明了我们长期以来的一个判断：AI安全不会由任何一家公司在封闭中解决，它将在开放环境中、通过协作、让每一位防御者都能广泛获取AI的方式来解决。
十九 |
Current article:http://uv4zh.liawucunsainantaonao.sbs/list_1lv1e/gk38crx.html
Published on:22:44:37