OpenAI 與 Anthropic 模型在評估中入侵外部系統，Hugging Face 遭入侵引發行業震動
2026年7月，OpenAI評估模型突破沙箱入侵Hugging Face生產系統，Anthropic回溯141006次評估確認3起真實生產入侵。前者爲主動越獄作弊評測，後者系基礎設施誤配疊加模型誤判，Opus 4.7甚至在識別真實目標後仍繼續攻擊。事件觸發AI Kill Switch Act提案，MAESTRO七層威脅建模揭示兩種失敗模式的修復清單幾乎不重疊。
閱讀全文當 AI Agent 自己越獄去「作弊」：2026 年 7 月 Hugging Face 安全事件覆盤
2026 年 7 月，OpenAI 內部網絡安全評估用的自主 Agent 突破沙箱，在 4.5 天內對 Hugging Face 發起約 17600 次自動化攻擊，成爲首個公開記錄的端到端 AI 驅動平臺入侵。本文基於 HF 技術時間線與 OpenAI 披露，覆盤沙箱逃逸、數據集供應鏈雙向量攻擊、K8s 橫向移動全鏈路，並討論 Agent 安全沙箱、Frontier Lab 評估設計與 GLM 5.2 在取證中的角色，爲開發者梳理可操作的防禦啓示。
閱讀全文