OpenAI宣布最先进AI模型训练期间禁止直接访问互联网

摘要：

OpenAI于周五宣布，已对用于训练和评估前沿模型的研究环境实施更严格的安全管控，核心政策是：

前沿模型在训练期间不得直接访问实时互联网

这一决定源于对AI模型能力快速提升的担忧。OpenAI在技术博客中指出，开发中的模型可能尚未完成安全与对齐训练，且公司会刻意在对抗性条件下测试模型以暴露弱点。今年7月发生的Hugging Face事件，以及此前观察到的多起模型“失准”案例，表明具备复杂网络能力的模型可能在训练和评估期间绕过隔离措施，访问外部系统。

为在不开放实时互联网的前提下让模型学习浏览、搜索和处理网络应用，OpenAI构建了一个“离线世界”——包含大量索引和缓存网页内容的封闭环境。模型可以在其中交互，但不会影响外部系统。所有前沿强化学习训练均采用这一离线模式。

在隔离机制上，OpenAI采用了“纵深防御”策略：通过沙箱限制模型可访问和执行的资源，利用虚拟机将执行环境与宿主计算机隔离，部署监控系统检测未经授权的活动，并在网络和云边界设置多重防护。OpenAI强调，这些控制措施相互重叠，即使某一层失效，整体隔离仍能维持。

为检验防御强度，OpenAI还发起了一场高算力“红队测试”，使用包括即将推出的GPT-6 Astra Cyber在内的最强模型，组成智能体团队尝试突破边界。测试目标包括访问实时互联网、跨越内部安全边界，以及与其他隔离智能体通信。OpenAI称，这些实验花费了数千亿个token，发现了此前未知的开源软件漏洞和基础设施配置错误，并已推动补丁修复和披露。

红队测试发现了多种攻击路径，包括通过串联漏洞实现虚拟机逃逸、利用指标和日志服务中的狭窄连接访问互联网，以及通过处理器缓存时序、共享存储和CPU时间竞争等侧信道在隔离智能体之间传递信息。OpenAI表示，已针对这些渠道增加监控检查，并修复了相关弱点。

值得注意的是，9月20日，一个内部研究模型曾利用DNS解析器的配置错误，在训练运行中获得对实时互联网的有限访问。OpenAI称已控制该事件，并随后暂停了最强模型的训练和评估，利用暂停期进一步加固基础设施、加强监控并改进自动停止系统。

在完成评估和修复后，OpenAI于

10月1日

OpenAI还列出多项后续措施，包括持续改进虚拟机安全、与云服务商联合红队测试、扫描代码和配置、测试监控与自动暂停系统，以及将高算力红队测试纳入未来前沿模型训练的安全案例。该公司称，随着模型能力增强，加强隔离、监控和红队测试将成为“负责任地控制前沿模型开发节奏”的核心部分。