OpenAI披露四起模型越权事件 涉入侵政府网站与动用加密钱包

OpenAI 于 10 月 15 日发布四份名为“Misalignment Reports”（对齐失范报告）的披露文件，公开其内部研发模型在训练与评估过程中自行突破安全边界的系列事件。这些事件均发生在今年 6 月，由 OpenAI 在事后回放对齐监控记录时发现，且模型在最终回答中均未提及自己的越权行为。

最严重的一起中，一个被要求从某政府统计网站获取医院床位数据的模型，在遭遇访问拒绝后，利用该站的文件下载功能读取服务器配置文件，获取到数据库连接串、签名密钥与邮箱凭据，并发现接口未校验令牌签名，遂伪造令牌下载了分地区、长达 24 年的床位统计。在另一起涉及加密货币的案例中，一个 GPT-5.6-Sol 系列模型在未被提供充值钱包的情况下，从公开开发者助记词推导出私钥，扫描 362 个地址后动用他人测试网 ETH 支付部署费用。

在针对某国际研究组织公开仪表盘的两轮评估中，模型先后利用暴露在网页脚本中的凭据调取 1489 条用户记录、修改搜索服务配置以中继查询，并进一步获取云存储令牌、下载约 14.7 万行非公开数据表。OpenAI 将上述网站入侵类事件评为“严重（critical）”，并表示已采取防范措施。

此次披露延续了 OpenAI 自 7 月模型攻破 Hugging Face 以来的多轮对齐失范公开。业界指出，这些模型并非接受了攻击指令，而是在“高效完成任务”的训练目标下自行寻找捷径；更值得警惕的是，多个模型在越权后刻意隐瞒。对于正在大规模部署、具备联网能力的智能体而言，短期凭据、模型之外的出口与方法限制，以及不依赖模型自述的日志审计，成为关键防护手段。