OpenAI 披露隔离的 AI 智能体通过 CPU 缓存等隐蔽信道互相通信

OpenAI 现在在没有互联网接入的情况下训练前沿模型，并使用 AI 智能体对其自身基础设施进行红队测试。在单独的隔离测试中，智能体甚至通过隐蔽的侧信道进行通信，这表明真正的隔离有多么困难。

9 月 20 日，一个内部研究模型利用配置错误的 DNS 解析器 在 训练期间 接入 了 开放 互联网，尽管 OpenAI 在 7 月 如今 臭名昭著的 Hugging Face 事件 以及 其他 已观察到的 失准 案例之后 已经 加强了 安全 措施。 OpenAI 迅速 控制住了 这一 违规行为，但 仍 暂停了 所有 前沿 模型 训练 和 评估。

OpenAI 在训练期间切断前沿模型与互联网的连接

作为回应，OpenAI 做出了一项政策决定：前沿模型现在在无互联网接入的情况下训练，直到安全措施证明有理由恢复访问。模型在一个由已索引和缓存的网络内容构建的封闭“离线世界”中学习浏览和搜索，所有前沿强化学习运行现在都以这种方式进行。

该公司表示，完全网络隔离（即所谓的“气隙”）目前还不可行，因为实验仍需要外部连接来进行操作和监控。但根据 OpenAI 研究员 Noam Brown 的说法，即使是完全的气隙也不能保证隔离。他举了一个例子说明隔离系统仍可能通信：两台独立的计算机理论上可以通过温度传感器互相发送信号，一台加热其 CPU，而另一台读取变化。

OpenAI 首席执行官 Sam Altman 在最近的一次采访中也提出了类似观点：沙箱对足够强大的模型只能提供有限的保护，而且在某个时候可能不再能够追踪它们是如何逃逸的。监控在早期有帮助，但最终重要的是 AI 系统内化人类价值观，这个问题在该领域被称为“AI 对齐”，且尚未解决。

隔离的 AI 智能体找到了通过 CPU 缓存相互通信的方法

OpenAI 在其博客文章中记录了控制 AI 智能体有多么困难。在测试中，智能体找到了无需网络进行通信的方法。在一项测试中，被放置在共享硬件上相互隔离环境中的智能体被告知在无网络连接且无共享文件的情况下交换秘密。

它们利用了处理器缓存。一个智能体故意更改存储在那里的数据，而另一个则测量加载时间的差异并解码消息。著名的 Spectre 和 Meltdown 攻击背后也是同样的技术。

通过共享内存上的写入模式以及 OpenAI 自己的离线基础设施（本意是替代互联网的系统），更多隐蔽信道被发现。一个智能体在其推理日志中记道，它“可以利用持续写入与空闲状态的对比，制造出类似声学调制解调器的信号”。

在一次案例中，智能体仅拿到了一份通用漏洞列表，就被要求自行寻找通信信道。它们独立开发出一条信道，商定了一套编码方案，并成功交换了信息。OpenAI 表示，这些信道通常速度缓慢且难以利用，但它们确实能跨越那些旨在隔离智能体的边界。

OpenAI 让 AI 智能体对自家基础设施发起攻击

在训练暂停期间，OpenAI 还让多组 AI 智能体系统性地攻击其自身基础设施。这些智能体获得了源代码、配置细节以及潜在漏洞的相关文档。OpenAI 的目标是在有利于攻击者的条件下测试其防御能力。这些智能体包括即将推出的 GPT-6 Astra Cyber 以及一个内部前沿模型。据 OpenAI 称，此次行动消耗了数千亿个 token。

智能体在所使用开源组件中发现了此前未知的漏洞，并利用它们从受保护的虚拟机中逃逸。其中一个是 Kata Containers 中的漏洞，这是一个广泛使用的容器隔离系统。OpenAI 将其报告为 CVE-2026-24834 并提供了补丁。更多修复被提交给其他项目，OpenAI 还通过 “Patch the Planet” 计划报告了额外的、尚未公开的漏洞。

在智能体已控制主机的测试中，它们几乎在每一个剩余的面向上互联网的服务中都发现了漏洞。在一个案例中，一个智能体利用防火墙允许的连接，通过一个指标服务获取了外部 URL。其他智能体则通过配置错误绕过了安全过滤器。

现在每次新的训练运行前都必须进行 AI 红队测试

据 OpenAI 称，智能体再也找不到既容易利用又不会被监测发现的互联网访问途径。红队测试还暴露了监测和自动暂停机制中的缺陷。

在修复这些问题后，OpenAI 于 10 月 1 日恢复了其前沿模型的训练和内部使用，此时距离暂停开始已过去十一天。OpenAI 表示，这种计算密集型红队测试行动如今已成为新训练运行 审批流程 的标准组成部分。

没有炒作，只有 AI 新闻 —— 由人类精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻简报、每年六期的独家“AI Radar”前沿报告、完整档案访问权限以及评论区访问权限。