" 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