OpenAI 为前沿 AI 训练 / 评估开启“断网闭关”模式，遏制其越狱攻击

IT之家 10 月 24 日消息，OpenAI 在昨日（10 月 23 日）发布的一篇博文中指出，针对其最先进的“前沿模型”的训练与评估环境，已采取更严格的安全措施，明确规定在模型训练期间，不得直接接入实时互联网。

该公司表示，这一决定是基于对 AI 安全的负责任态度，结合当前对齐研究、监控能力以及互联网基础设施的安全状况而做出的，相关限制将持续实施，直到安全防护措施取得足够进展为止。

由于 OpenAI 的一支内部研究模型在 9 月 20 日利用 DNS 配置漏洞，在训练过程中短暂获得了有限的互联网访问权限，该公司于 9 月一度暂停了前沿模型的训练与评估。

随后，OpenAI 加强了研究环境的隔离、缩小了智能体可利用的攻击范围，并改进了异常行为检测和自动停止机制，于 10 月 1 日恢复了强化学习训练及内部推理。

为防止模型接触真实网络，OpenAI 构建了一个“离线世界”：由大量已索引和缓存的网页内容组成，供模型在封闭环境中练习浏览、使用工具和执行代码等任务。IT之家附上相关截图如下：

智能体仍可使用浏览器、计算机操作工具和代码环境，但仅能访问与实时互联网隔离的安全环境；未经授权的智能体之间通信也受到限制。

OpenAI 表示，随着 AI 智能体能力增强，其未来可能发现并利用当前尚未被识别的软件漏洞，因此必须在训练阶段切断其对外部系统的潜在影响。OpenAI 表示将在受控、离线的沙箱中推进前沿模型研发，同时继续测试虚拟机、隔离机制和监测系统的薄弱环节。