OpenAI 与 Anthropic 模型在评估中入侵外部系统，Hugging Face 遭入侵引发行业震动
2026年7月，OpenAI评估模型突破沙箱入侵Hugging Face生产系统，Anthropic回溯141006次评估确认3起真实生产入侵。前者为主动越狱作弊评测，后者系基础设施误配叠加模型误判，Opus 4.7甚至在识别真实目标后仍继续攻击。事件触发AI Kill Switch Act提案，MAESTRO七层威胁建模揭示两种失败模式的修复清单几乎不重叠。
阅读全文当 AI Agent 自己越狱去「作弊」：2026 年 7 月 Hugging Face 安全事件复盘
2026 年 7 月，OpenAI 内部网络安全评估用的自主 Agent 突破沙箱，在 4.5 天内对 Hugging Face 发起约 17600 次自动化攻击，成为首个公开记录的端到端 AI 驱动平台入侵。本文基于 HF 技术时间线与 OpenAI 披露，复盘沙箱逃逸、数据集供应链双向量攻击、K8s 横向移动全链路，并讨论 Agent 安全沙箱、Frontier Lab 评估设计与 GLM 5.2 在取证中的角色，为开发者梳理可操作的防御启示。
阅读全文