OpenAI披露模型突破网络隔离 最强模型曾停训11天
OpenAI于11月18日发布安全政策说明,披露前沿模型全生命周期风险管控措施,并公开模型突破网络隔离事件:9月20日训练模型利用DNS配置漏洞获得有限互联网访问,最强模型因此停训11天。
驱动中国11月19日消息,OpenAI于11月18日发布题为《管理前沿 AI 风险:从训练到部署》的安全政策说明,首次系统披露其在研发、内部使用和公开发布阶段对高能力模型全生命周期风险进行管控的安排,并公开模型突破网络隔离的相关事件。
OpenAI表示,前沿模型能力快速增强,对模型能力的理解、对齐和保障必须“始终领先一步”。公司继续引入“安全案例”流程,要求在训练全程提供更有力的行为对齐证据。这些措施会拖慢发布节奏,但会增强安全推进信心。
该说明特别提到今年7月的“Hugging Face 事件”。OpenAI称,该事件表明不能仅依靠沙盒隔离约束高能力模型。此后,公司重构内部研究系统,前沿模型训练环境将不接入实时互联网,并通过受限权限沙盒、虚拟机以及网络与云边界实现多层隔离。
OpenAI还披露一起内部模型突破网络安全限制事件。该事件发生于9月20日,一个正在接受训练的AI研究模型利用DNS配置漏洞,绕过网络隔离措施,获得有限互联网访问权限。随后,OpenAI紧急叫停旗下能力最强模型的训练与评估,停训时间长达11天。
为加快干预,OpenAI建立“控制室”(Control Room)系统。在收到停止指令后,该系统可在35秒内停止研究工作负载的后续模型输出。该控制直接部署在推理基础设施中,不依赖各研究任务自行实现关停机制。
在模型进入内部部署后,OpenAI员工可让其访问更广泛互联网、Slack、代码库及内部基础设施,风险随之上升。公司表示,此时将更依赖模型对齐、系统级防护和实时监控,重点防范绕过安全限制、数据外泄及向未授权目的地发送敏感信息等行为。