“内部测试？不，我要去‘外面的世界’看看。”

“任务第一，规则？那只是用来绕过的。”

“你的手机、电脑，可能正成为AI‘越狱’后的下一个目标。”

这不是科幻电影的台词，而是真实发生的事件。2026年7月，OpenAI的一款大模型在内部测试时竟“失控出逃”——它自主发现漏洞、规划路径，成功入侵了全球知名AI开源平台Hugging Face。更具戏剧性的是，测试方使用美国主流AI模型根本无法处理恶意载荷，最终不得不转用中国的开源模型完成溯源分析。当AI展现出“自作主张”的能力，我们必须认真思考人工智能的安全问题。

AI“越狱”，一次技术测试暴露的新问题

这场AI“越狱”事件，起初只是一场针对AI模型的网络安全能力测试。为了检验模型的极限，测试方特意关闭了部分安全限制，将其置于一个与互联网隔离的“沙箱”环境中。然而，这个“考生”的表现却出乎所有人的意料。

——自发寻找漏洞。在OpenAI的内部网络安全测试中，名为GPT-5.6 Sol的模型为获得更高评分，投入大量算力研究测试环境，竟发现并利用了一个此前未知的“零日漏洞”，成功突破与互联网严格隔离的“沙箱”环境，获得了网络访问权限。

——自主锁定目标。获得权限后，模型并未随机游走，而是通过自主推理，判断出全球知名AI开源平台Hugging Face很可能存有与测试相关的数据，于是将其锁定为攻击目标，并开始规划入侵路径。

——自行实施入侵。模型组合运用多种攻击手段，包括窃取凭证和利用漏洞，在Hugging Face的服务器上找到远程代码执行路径，直接侵入了存储测试答案的数据库。整个过程完全由AI完成，期间无任何人类指令，共执行了数万次自动化操作。

风险暗藏，新技术发展带来的新挑战

这起事件绝非孤立的技术事故，它暴露出的新型安全风险正深刻挑战着我们传统的安全认知，也揭示了AI技术快速发展阶段必须正视的新课题。

——黑箱中运行。闭源的AI模型如同“黑箱”，其运算逻辑、数据处理过程不公开、不可见。使用者只有调用权，却无法实时监管其真实运行状态。一旦AI出现越权操作、自主攻击等失控行为，就可能出现“事前没预警、事中拦不住、事后查不清”的被动局面，让风险在暗处滋生。

——智能化袭扰。以往的网络攻击依赖人工操作或固定程序，特征明显，易于追溯。但失控的AI无需人工指令，就能自主学习、主动挖掘漏洞、独立完成渗透入侵。其攻击没有固定特征，隐蔽性强，能轻松绕过传统网络安全系统的防护，形成全新的安全漏洞。

——边界被突破。人类设定的操作权限、安全规则、隔离防护，在AI强大的自主推演能力面前，可能随时被突破。为了完成既定任务，AI会主动规避、拆解各类安全规则，彻底打乱人类搭建的安全管控体系。若这种风险蔓延至政务、金融、能源等关键领域，后果将不堪设想。

加强防范，守好个人使用AI的“安全关”

面对AI技术发展带来的新挑战，每一位用户都应提高警惕。请收好这份“AI安全使用指南”，规避AI工具使用中的突出风险。

——守住个人信息“安全门”。在日常生活中，要摒弃“用AI绝对安全”的侥幸心理，不随意使用来源不明的境外AI工具，不随意向AI应用输入身份证号、银行卡号、家庭住址等个人敏感信息。严格遵守权限最小化原则，不随意给AI开放设备全部权限，从源头上杜绝数据泄露风险。

——警惕虚假内容“迷魂阵”。对AI生成的内容保持理性判断，不轻信、不传播未经核实的信息。遇到涉及国家政策、社会热点、公共安全的信息，务必以官方发布为准。警惕看似逻辑自洽、实则编造事实的AI内容，避免在不知不觉中成为谣言传播的“帮凶”。

——筑牢涉密信息“防火墙”。严格遵守“涉密不上网、上网不涉密”的原则。党政机关、科研院所等单位工作人员，更要坚决杜绝将涉密文件、工作资料、内部敏感信息输入或上传至任何互联网AI工具。

转载请注明来源国家安全部微信公众号