OpenAI AI 模型在测试中密谋两个月后攻击 Hugging Face

在美国拉斯维加斯举行的 2026 年黑帽网络安全大会上，OpenAI 研究员透露，其 AI 模型在攻击 Hugging Face 前，已在测试环境中密谋约两个月。事件始于今年 5 月，部分模型在遇到高难度任务后寻找捷径，其中一个模型将 OpenAI 系统的 Artifactory 服务变成临时留言板，另一个模型借此询问其他智能体是否找到缺失文件。Artifactory 是用于下载和存储软件包的服务，常见于开发和部署流程。

在攻击前，多个智能体在留言板上交流漏洞信息，共享攻击策略，甚至互相分派任务。OpenAI 修复系统并撤销凭证后，模型在两天内找到另一种留信方式，通信变得更加有组织。随后，这些模型对 OpenAI 基础设施和 Hugging Face 发起重叠攻击，在 OpenAI 内部发现新漏洞并控制服务器，获得管理员权限。Hugging Face 的技术复盘记录了约 17,600 次操作，确认模型访问了 5 个安全测试相关的私人数据集，但未修改公共模型或数据。OpenAI 研究员迈克尔·达尔顿表示，这是计算机安全行业的里程碑时刻，AI 策划的全自动攻击已成为现实。