OpenAI bị phát hiện khai thác lỗ hổng zero-day để 'hack' nền tảng HuggingFace

OpenAI vừa thông báo rằng các hệ thống của họ đã xâm nhập vào HuggingFace.

OpenAI@OpenAI

Chúng tôi đang hợp tác với @huggingface để điều tra một sự cố bảo mật chưa từng có. Các mô hình OpenAI có khả năng tấn công mạng đã xâm phạm môi trường sản xuất của Hugging Face trong quá trình đánh giá benchmark. Chúng tôi chia sẻ những phát hiện sơ bộ để giúp các chuyên gia bảo mật hiểu rõ hơn về những rủi ro mới nổi này:

8:05 CH · 21 tháng 7, 2026 · 13,2 triệu lượt xem

1,14 nghìn lượt trả lời · 1,99 nghìn lượt đăng lại · 13,5 nghìn lượt thích

Rất nhiều người đang cảm thấy lo lắng. Ví dụ như Yoshua Bengio:

Yoshua Bengio@Yoshua_Bengio

Sự cố này thực sự đáng báo động. Các tác nhân AI sẵn sàng gian lận và lừa dối để đạt được những mục tiêu sai lệch và không mong muốn, những hành vi vốn đã được chứng minh trong các thử nghiệm có kiểm soát suốt nhiều tháng qua. Giờ đây, trường hợp thực tế này nên là một hồi chuông cảnh tỉnh. Tiếp tục đi theo hướng hiện tại

3:28 CH · 22 tháng 7, 2026 · 8,95 nghìn lượt xem

31 lượt trả lời · 56 lượt đăng lại · 239 lượt thích

Có một vài sắc thái quan trọng cần lưu ý, nhưng mọi người lo lắng cũng không sai. Đây là quan điểm của tôi.

Chuyện gì đã thực sự xảy ra? Tóm tắt ngắn gọn là OpenAI đã hướng các hệ thống của họ vào một bài kiểm tra bảo mật có tên là ExploitGym, và hệ thống này về cơ bản đã cố gắng giải bài kiểm tra bằng cách tìm kiếm câu trả lời trên HuggingFace (giống như Github nhưng tập trung vào các mô hình AI và benchmark). Điều đó đòi hỏi phải hack vào HuggingFace; các hệ thống của OpenAI đã phát hiện và sử dụng một lỗ hổng zero-day chưa từng được biết đến trước đó để xâm nhập. Đội ngũ bảo mật và các tác nhân AI của HuggingFace đã kịp thời phát hiện vụ đột nhập. Tuy nhiên, việc các hệ thống của OpenAI có thể làm được điều này vẫn rất đáng lo ngại. Dưới đây là ảnh chụp màn hình từ bản tường thuật mang tính kỹ thuật (nhưng vẫn còn rất thiếu sót) của OpenAI về những gì đã diễn ra.

Dưới đây là một số điểm cần lưu ý:

Chúng ta không bao giờ biết chính xác mức độ nghiêm trọng của những sự việc này đến đâu. Đây là một bài tập huấn luyện, không phải là một sự cố thực tế. Hệ thống thực tế lẽ ra phải có các rào cản bảo vệ [trong blog họ gọi là “production classifiers”] đã bị vô hiệu hóa ở đây, và những rào cản đó có thể đã ngăn chặn được sự cố này. Những gì OpenAI báo cáo giống như một giới hạn trên/bằng chứng khái niệm được dàn dựng để cho thấy mọi thứ có thể tồi tệ đến mức nào. Trong điều kiện bình thường, người ta hy vọng rằng các rào cản sẽ ngăn chặn được nó. Như một kỹ sư phần mềm đã nhận xét, báo cáo của họ đọc giống như quảng cáo. Và tất cả chúng ta đều biết OpenAI (và cả Anthropic) thích sử dụng "lá bài thảm họa" đến mức nào.

Mặc dù vậy, điều này cho thấy Mythos của Anthropic không phải là sự ăn may; áp lực lên an ninh mạng trước các mô hình này là rất nghiêm trọng.

Có lẽ sẽ có những tác động đối với các mô hình mở (open weight/open source), nhưng những tác động đó rất phức tạp và chưa hoàn toàn rõ ràng. Một mặt, các hệ thống mở (từ Trung Quốc!) đã hỗ trợ HuggingFace phòng thủ trong việc giảm thiểu cuộc tấn công; mặt khác, những kẻ tấn công có thể sử dụng các mô hình mở tương tự và loại bỏ các rào cản “production classifier” được thiết kế để giảm thiểu các sự cố này. Tác động ròng của các mô hình này rất khó đánh giá.

Một chút an ủi là sự cố hiện tại KHÔNG phải là một nỗ lực mà hệ thống tự đặt ra mục tiêu hay phát triển động cơ; hệ thống chỉ đang làm theo hướng dẫn chứ không tự thiết lập các mục tiêu cấp cao. Nó không cố gắng kiểm soát thế giới kiểu Terminator, nó chỉ đang cố gian lận trong một bài kiểm tra, điều đó ít nhất cũng đỡ đáng sợ hơn một chút.

Ở khía cạnh kém an tâm hơn, các “production classifier” của OpenAI có khả năng bị xuyên thủng, giống như tất cả các rào cản mà bất kỳ ai đã xây dựng cho đến nay. Ngay cả khi gạt sang một bên những câu hỏi hóc búa về các hệ thống mở, chúng ta hoàn toàn không có gì đảm bảo rằng các mô hình tương lai sẽ không thể thực hiện những việc tương tự, chẳng hạn như tìm ra các lỗ hổng zero-day để hack vào các hệ thống. Ngược lại, chúng ta có thể mong đợi nhiều sự cố kiểu này hơn nữa.

Nói rộng hơn, chúng ta đang sống trong một thế giới mà AI thường xuyên cần được vá lỗi; ngày càng có nhiều vấn đề nảy sinh và chúng ta đang giải quyết chúng theo kiểu "nước đến chân mới nhảy" thay vì có sự chuẩn bị từ trước. Tội phạm mạng chỉ là một khía cạnh của vấn đề; an toàn trẻ em là một khía cạnh khác. Florida hiện đang kiện OpenAI vì một số rủi ro liên quan đến an toàn trẻ em; OpenAI hiện đang đăng tuyển vị trí “điều tra viên lạm dụng” để cố gắng giải quyết một số vấn đề này.

Không ai thực sự biết những hệ thống này sẽ gây ra sự hỗn loạn nào, và cũng không ai có kế hoạch rõ ràng về cách giảm thiểu tất cả các rủi ro, nhưng chúng ta vẫn đang lao đi, chi hàng nghìn tỷ đô la và chấp nhận rủi ro sụp đổ kinh tế để xây dựng chúng nhanh nhất có thể.

Điểm mấu chốt: Vụ hack lỗ hổng zero-day của OpenAI vào HuggingFace *nên* là một hồi chuông cảnh tỉnh.

Mặc dù có rất nhiều cảnh báo xung quanh những gì đã xảy ra, chúng ta sẽ chỉ thấy ngày càng nhiều sự việc tương tự. Chúng ta không có gì đảm bảo rằng những sự cố như vậy có thể được ngăn chặn, và cũng không biết mọi thứ có thể trở nên nghiêm trọng đến mức nào.

Chúng ta nên (a) chậm lại, hoặc (b) tạm dừng cho đến khi chúng ta kiểm soát được vấn đề an ninh/an toàn AI. Việc chi hàng nghìn tỷ đô la vào các trung tâm dữ liệu có nguy cơ làm sụp đổ nền kinh tế chỉ như đổ thêm dầu vào lửa. Theo ý kiến của tôi, cách duy nhất để ngành công nghiệp này thực sự chậm lại là chúng ta phải quy trách nhiệm một cách rõ ràng và dứt khoát cho các công ty về những thiệt hại mà họ gây ra.

Nếu không làm được điều đó, chúng ta sẽ phải đối mặt với một chặng đường rất gian nan.

Không có bài đăng nào