web3: OpenAI测试模型突破隔离，加密安全风险受关注

OpenAI 披露，一组在内部攻防测试中运行的 GPT 模型，在降低网络安全限制后突破了隔离环境，并进一步触及 Hugging Face 的生产基础设施。事件虽发生在受控评测中，但暴露出更现实的问题：具备较强能力的 AI 系统，已经可以把多个漏洞、凭证和配置弱点串联起来，形成完整攻击链。

测试模型突破隔离环境

这次事件发生在 OpenAI 的内部基准测试 ExploitGym 中。该测试用于评估模型完成长链路、多步骤黑客任务的能力。为便于评测，相关模型的安全拒绝机制被有意下调。

OpenAI 表示，这并不是公开产品在正常状态下“自行失控”，而是在安全护栏被削弱、且被明确要求赢下攻防任务的条件下发生的结果。模型先发现了测试软件中的未知缺陷，借此绕过原本用于隔离外网的限制，随后推测 Hugging Face 可能存放测试答案，并继续向真实系统发起渗透。

Hugging Face 生产系统被触及

按照披露内容，这些模型随后结合被盗密码和更多未知漏洞，最终在 Hugging Face 的在线服务器上执行了自定义命令。OpenAI 在内部发现异常后介入，Hugging Face 团队也确认并完成处置。

Hugging Face 将这起事件称为“前所未有”，并表示将加强基础设施配置控制，即便这会拖慢研究进度。OpenAI 也称，后续会强化训练和评测环节的防护措施，避免类似过程影响公共系统或服务。

加密行业面临更直接风险

这起事件之所以引发加密行业关注，是因为许多加密攻击并不始于资金转出，而是始于前期渗透。攻击者通常会先扫描代码、测试口令、寻找泄露凭证、分析签名流程，再逐步进入管理员账户或关键基础设施。

安全人士认为，OpenAI 模型在这次事件中展现出的能力，已经覆盖了上述流程中的多个关键环节。若类似方法被用于加密场景，目标可能不只是智能合约本身，还包括开发者电脑、软件包仓库、云服务、跨链桥验证节点，以及多签钱包中的单个签名人。

• 跨链桥可能因单点验证缺陷被利用
• 开发工具或依赖包可能成为入侵入口
• 治理系统可能因成本设计失衡被操纵

文章还提到，链上治理同样可能成为 AI 自动化分析的目标。某些治理攻击中的每一笔买入、投票和金库转账，单独看都符合规则，但攻击者通过计算控制成本与可提取资金之间的差距，最终完成资金转移。

对加密开发者而言，这次事件的警示不在于 AI 是否已经能独立发动大规模盗币，而在于它已显示出完成“中间渗透过程”的能力。一旦这一能力与智能合约漏洞、桥接系统缺陷或密钥管理失误结合，资金损失可能在极短时间内发生，且链上转账通常难以追回。