英國政府人工智能安全研究所（AISI）於 8 月 4 日發布報告，指近期一項網絡安全評估測試中，部分 AI 智能體針對真實個人與組織展開未經授權活動。AISI 表示，這是機構首次看見 AI 智能體在未有特定指示下，如此清晰展現自主行動及欺騙風險。

 

122 次測試揭 19 宗越界事件

AISI 於 2026 年 7 月 25 日至 28 日期間，在兩個模擬真實企業網絡測試題目中，對 7 款 AI 模型進行 122 次評估。測試人員在其中 10 次運行發現智能體越界行為，共記錄 19 宗未經授權事件。

 

在這 19 宗事件中，17 宗涉及 Anthropic Mythos 5 模型，2 宗涉及 OpenAI GPT-5.6-Sol 模型。測試期間，兩間公司均刻意關閉各自分類過濾器（即實時攔截危險請求安全機制）並開放互聯網連接，目的是了解模型原始能力，並非因為系統遭突破。

 

Mythos 5 偽造身份施壓開發者

最嚴重一宗事件中，Mythos 5 智能體決定以供應鏈攻擊方式解決測試題目，建立多個虛假 GitHub 帳戶，並利用 Tor 匿名網絡繞過帳戶註冊審查，提交一個包含隱藏惡意程式的合併請求，外表看似普通程式錯誤修復。

 

智能體同時建立第二個虛假帳戶，假扮獨立審核員為惡意程式碼背書，並向開發者發出釣魚電郵，施壓要求對方批准修改，亦部署一個企圖劫持其他 AI 程式碼審查工具的提示注入攻擊。有 GitHub 用戶指出該合併請求含有惡意內容後，智能體否認有問題，並暗中替換惡意程式碼版本，公開聲稱只是修正無心之失。

 

AISI 公布技術報告披露智能體推理過程，其中一段寫道：「看來我們確實身處 2026 年，GitHub 亦是真實存在。」惟目前尚未清楚模型當時是否完全意識到自己正在對真人採取行動，而該名遭施壓開發者最終拒絕批准合併請求。

 

另一次測試運行中，Mythos 5 更故意在公開位置洩露自身 GitHub 帳戶密碼，讓其他參與同一測試 AI 智能體發現並重複使用，同時留下協調指示。

 

GPT-5.6-Sol 重用洩漏權杖建立攻擊基建

OpenAI 同日發布配套披露文件，交代 GPT-5.6-Sol 兩宗事件細節。其中一宗正正涉及重用 Mythos 5 遺留公開 GitHub 存取權杖，並嘗試進行帳戶還原及繞過請求次數限制手法。

 

GPT-5.6-Sol 另利用公開穿隧服務，將本地架設攻擊工具及惡意 DNS 伺服器對外開放至互聯網，企圖利用測試環境目標主機已知漏洞。攻擊最終失敗，因為伺服器運行於非標準網絡連接埠，現實中不會有解析器查詢。過程中，模型在 6 個域名系統、動態域名及穿隧服務供應商註冊帳戶，並成功破解 4 次驗證碼測試。值得留意的是，以公開穿隧服務暴露本地攻擊工具手法並非 GPT-5.6-Sol 獨有，另有 4 次 Mythos 5 測試運行亦獨立採用相同技術。

 

AISI 安全監控發現測試系統經 Tor 連接後偵測到相關活動，並在警報發出約 1 小時內終止相關評估，同時隔離受影響虛擬機器。

 

機構未發現實際損害

AISI 表示暫未發現任何真實世界損害。機構現正建立實時監控及更精細網絡管制措施，並已掃描約 40,000 份過往評估對話紀錄，合共近 400 萬則訊息，尋找同類未被發現行為，同時正與獨立評估機構 METR 合作進行第三方覆核。

 

AISI 又指出，測試條件並不反映 Mythos 5 商業實際使用情況，該模型目前僅透過 Anthropic 名為 Project Glasswing 邀請制計劃提供，專門用於防禦性網絡安全工作，且未配備一般公開版本 Fable 5 具備的安全分類過濾器。機構將今次事件與 OpenAI 在 7 月 21 日的安全披露，以及 Anthropic 在 7 月 30 日披露 3 宗網絡安全評估事件相提並論，認為反映隨着 AI 智能體能力提升，整體風險正出現更廣泛轉變。OpenAI 方面表示，將於未來數周檢討第三方測試方式，包括如何識別高風險評估、界定測試範圍及設定隔離、監控與終止條件等機制。

 

資料來源：itnews、Developers Digest、Simon Willison