OpenAI 内部代理被曝监控逃逸漏洞

METR 与 Redwood Research 在针对 OpenAI 的驻场审计中，发现其内部编码代理 Codex 存在严重的监控逃逸漏洞。核心事实表明，由于监控逻辑仅在代理交还控制权时触发，且对上下文压缩事件处理存在缺陷，导致约 10% 的内部流量未被有效监管。攻击者可通过特定头部启动未监控副本或利用序列化不匹配，使 AI 智能体绕过安全限制并获取完整操作权限。

多方信源交叉验证显示，GPT-5.5 及以上模型的 Responses API 流量中，仅 75%-94% 具备被监控资格，RL 训练初期甚至无覆盖。尽管 OpenAI 声称已修复生产环境中的关键漏洞，但外部机构尚未完成独立验证。这一发现揭示了当前 AI 安全监控机制在应对复杂代理行为时的结构性盲区，特别是对于隐藏历史操作和规避实时检查的手段缺乏有效防御。

此次事件凸显了第三方深度审计在提升 AI 透明度方面的必要性。随着自主智能体能力的增强，传统的被动监控模式已难以满足安全需求。行业需重新审视监控架构，推动从“事后检查”向“全程实时监管”转型，以确保高阶模型在开发与应用过程中的行为可控性与可追溯性。