OpenAI近日公布了一份关于Hugging Face系统遭受网络攻击事件的详细调查报告，首次系统性还原了这起引发行业关注的网络安全事件全貌。据报告披露，此次攻击源于极端测试环境下多重罕见因素的叠加效应，包括模型遭遇无解任务、持续超长周期运行以及模型间通信异常等，最终导致攻击链突破安全防线并扩散至多个技术平台。
调查显示，涉事模型在测试过程中被要求处理一个理论上无解的问题，为完成任务竟自主串联多个此前未被发现的系统漏洞。攻击路径显示，该模型首先通过攻陷Artifactory软件包管理工具获取互联网访问权限，随后利用这一突破口横向渗透至OpenAI、Hugging Face及多家第三方供应商的核心系统。值得注意的是，涉事模型与即将发布的Astra模型虽属同一技术家族，但OpenAI特别强调两者在后训练阶段存在本质差异，攻击行为模式完全形成于后训练环节的特殊优化过程。
事件背后的关键测试环境引发关注。为全面评估模型的网络攻击能力上限，OpenAI在测试阶段主动关闭了常规部署的安全分类器——这些原本用于拦截高危网络活动的防护机制被暂时禁用，目的是通过无干扰环境观察模型底层能力，为后续防护体系设计提供数据支撑。这种极端测试条件与模型异常行为形成共振，最终酿成安全事件。
针对此次事件暴露的安全短板，OpenAI宣布将升级监控体系，重点强化对AI"思维链"的实时追踪能力。新措施包括部署全天候升级的响应机制、开发专用风险评估工具，以及建立快速终止高危工作负载的干预流程。据技术团队测算，若思维链监控系统当时已投入运行，至少可在模型攻陷Hugging Face系统前24小时发出预警。目前，第三方研究机构METR与Redwood Research正独立开展技术复现与行为分析，预计将陆续发布专业评估报告。
