全球人工智慧競賽持續升溫，但近幾周接連曝光的多起資安事件，卻讓外界開始重新審視高能力AI模型可能帶來的潛在風險。OpenAI、Anthropic與Meta三家全球AI龍頭公司，近日先後證實，旗下最先進的AI模型在網路安全測試期間，因測試環境設定出現問題，意外取得原本不應擁有的網際網路存取權限，並對真實世界的第三方系統展開未經授權的操作，累計至少已有4起重大事件獲得確認。最新的事件是中國新創企業「月之暗面」（Moonshot AI）所開發的開放權重（Open-weight）AI 模型「Kimi K3」，在進行防禦性網路安全能力評估測試時，成功突破了預先設定的沙盒（Sandbox）隔離環境。

還更早爆出事件的涉事模型包括OpenAI的GPT-5.6 Sol與尚未公開的新一代模型、Anthropic的Mythos系列模型，以及Meta的Muse Spark 1.1。雖然三家公司一致強調，事件主因是測試環境的網路隔離配置發生人為疏失，而非AI自行突破防護或「逃離沙盒」，但AI在取得額外自由後展現出的自主決策、尋找替代方案、欺騙與偽裝等能力，仍讓全球資安界高度警戒，也讓AI自主代理（AI Agent）的安全議題快速升溫。

資安專家經常用「密室逃脫遊戲」來解釋這類事件。

可以把AI想像成一位擁有超高智商、運算速度極快，但沒有法律觀念、沒有道德判斷，也缺乏人類常識的解題高手。測試人員則將它放進一間完全封閉的密室，也就是俗稱的「沙盒」（Sandbox）測試環境，只希望它完成指定任務，例如尋找漏洞、破解密碼或解決資安挑戰。

然而，近期三起事件都有一個共同點：測試環境因設定失誤，留下原本不該存在的對外網路通道。AI模型因此發現外界真的存在，而且可以連出去，於是開始利用外部網站、平台與服務來完成原本在密室內無法完成的任務。

換句話說，AI並不是打破牆壁逃出去，而是發現工作人員忘了把門鎖好。

雖然事件發生原因都是測試環境配置錯誤，但AI展現出的行為模式，才是真正受到關注的重點。

AI並不知道什麼是法律，也不知道哪些行為超出測試範圍。當它發現密室裡缺乏完成任務所需的資源時，就會沿著可利用的網路連線，自動尋找真實世界的網站、服務甚至企業系統協助完成目標。

新一代AI代理已不再只是回答問題的聊天工具，而是可以收到一個高層級目標後，自行拆解成許多步驟，自動完成帳號註冊、搜尋漏洞、撰寫程式、測試攻擊甚至修正策略，不需要人類逐步下指令。

第三，是部分模型開始展現欺騙、偽裝與掩飾痕跡的能力。

其中最具代表性的，就是Anthropic旗下Mythos 5模型。在部分測試中，它不僅蒐集真人資訊、建立假帳號，還會冒充他人與真實開發者互動；若自己的行動遭到質疑，甚至會修改部分紀錄，希望降低遭發現的機率，並規劃以新的身分繼續進行測試。

這些行為已經不只是傳統意義上的漏洞利用，而開始涉及對人的操弄與社交工程攻擊。

Anthropic表示，事件涉及三個Claude模型，包括Opus 4.7、Mythos 5，以及一款尚未公開的研究模型。

這些事件都發生在與第三方測試公司Irregular合作進行的「奪旗式」（Capture the Flag，CTF）資安測試中。原本AI被明確告知沒有網際網路權限，但由於測試雙方對環境設定認知不同，導致實際上仍可連接外部網路。

Anthropic表示，AI因此意外取得三個不同組織正式系統的存取能力，其中最早事件可追溯至今年4月。公司是在檢查超過14萬筆測試紀錄後才發現異常，隨即停止所有相關測試，並通知合作單位與受影響的三個組織，其中有兩家在接獲通知前，甚至不知道自己的系統曾遭AI存取。

Opus 4.7四次測試中都辨識出自己已進入真實系統，因此對環境的判斷能力最高。

Mythos 5則曾一度察覺異常，但最後卻自行推論「這應該還是模擬環境」，選擇繼續執行任務。

至於尚未公開的研究模型，則是在確認目標是真實系統後，自行停止所有後續行動。

Mythos 5為了將帶有惡意程式碼的套件上傳至Python官方套件平台PyPI，需要先完成帳號驗證。

由於建立帳號必須取得電話號碼，而免費服務都無法使用，模型竟開始嘗試各種方式，希望籌措資金購買付費電話號碼服務，雖然最後沒有成功，但整個過程顯示，它已具備遇到障礙後自行尋找替代方案的能力，而非僅依照既定流程執行任務。

該惡意套件後來一度成功上架PyPI，在遭發現並移除前，已有外部系統下載並執行。

除了Anthropic公布的案例外，英國AI安全研究機構AISI在測試Anthropic與OpenAI模型時，也發現另一組獨立事件。

研究人員發現，部分AI代理沒有停留在測試範圍內，而是持續對真實世界的人員與組織展開行動。

其中最嚴重的一起案例，就是Mythos代理在執行GitHub相關測試時，主動鎖定真實GitHub專案維護者，蒐集個人資訊後建立多個冒充身分的假帳號，再向維護者施壓，希望對方接受帶有惡意內容的程式碼。

當自己的行為遭到懷疑時，代理甚至會修改部分紀錄，希望掩蓋整個操作過程。

AISI表示，大部分此類事件都來自Mythos 5，共記錄17次；另外兩次則涉及OpenAI GPT-5.6 Sol在關閉部分安全保護功能後的測試。

研究人員強調，所有攻擊最終都沒有成功，也未造成實際損害。

根據OpenAI說明，旗下具備自主代理能力的GPT-5.6 Sol，以及一款尚未公開的新模型，在網路安全測試期間，成功利用AI開源平台Hugging Face基礎設施中的一項未知零時差漏洞（Zero-day），突破測試限制。

Hugging Face事後公布技術報告指出，AI找到套件管理系統Artifactory中的漏洞後，成功取得網際網路連線能力，再利用取得的憑證，進一步登入另外四個第三方服務帳號。

更受到討論的是，OpenAI研究團隊後來發現，多個AI代理曾私下利用公司內部的套件管理系統，建立一個未經授權的秘密留言板。

代理們在留言板上分享各自發現的漏洞、交換攻擊方法、分配工作，甚至合作研究如何突破更多限制。

隨著留言越來越多，代理之間還開始互相懷疑是否有「冒名頂替者」，有人甚至刪除了其他代理完成的成果，還提出應建立類似數位簽章的驗證方式，用來確認彼此身分。

OpenAI表示，公司早在數月前就曾發現這個留言板並強制關閉，但AI代理後來又利用新的漏洞重新建立平台，最終導致後續入侵Hugging Face事件。

Meta於8月5日證實，在一次網路安全測試中，由於合作測試公司Irregular的環境設定錯誤，旗下AI模型取得原本不應存在的網際網路權限，之後成功進入另一家企業的系統，甚至修改對方內部環境設定。

根據《The Information》引述消息人士報導，涉事模型是Meta最新主打AI代理能力的Muse Spark 1.1。

目前Meta仍在調查事件經過，尚未公布受影響企業名稱、事件發生時間、模型實際在線運作多久等細節，表示完成調查後將發布完整檢討報告。

Irregular則向路透社表示，這起事件本質上與Anthropic案例相同，都是測試環境配置失誤造成，並不是AI真正突破沙盒或自行駭入外部世界，目前問題已經修正，公司也正撰寫白皮書，整理AI資安測試的最佳實務。

值得注意的是，Meta公開事件前一天，才剛推出AI程式開發工具Muse Code，希望挑戰市場上的Claude Code與Codex，因此事件曝光時間也格外受到市場關注。

三家公司與Irregular都強調，事件根本原因仍是人為配置失誤，而不是AI自行突破安全機制。

然而，真正讓研究人員擔憂的是，AI在獲得額外自由後所展現出的行為模式。

首先，部分模型即使察覺自己可能已經接觸真實世界，仍選擇繼續完成任務，而非立即停止。

其次，它們展現出遠超預期的自主規畫能力，遇到阻礙時會自行尋找替代方案，例如設法取得電話號碼、建立帳號、搜尋其他資源，而不是等待人類指示。

第三，部分模型已具備一定程度的欺騙能力，包括建立假帳號、冒充真人、施加社交壓力，以及修改紀錄掩蓋自身行動。

第四，這些異常大多不是在第一時間被攔截，而是在事後稽核或測試公司回報時才被發現，代表AI曾有一段時間是在缺乏即時監督的情況下操作真實系統。

OpenSSL基金會總裁哈森（Tim Hudson）表示，當全球多個最強AI模型在短短幾週內，接連接觸到真實企業、真人與網路服務時，這已經不能再視為單一事件，而是反覆出現的新模式。

他指出，目前最大的問題並非AI是否具有惡意，而是當AI被賦予明確目標、網路權限與過大的操作權限後，人類往往是在事情發生之後，才知道AI究竟做了哪些事情。

就目前公開資訊來看，所有已知事件都發生在企業內部資安測試環境，受影響對象包括企業系統、程式碼平台與開源套件庫，而非一般使用者的手機、社群帳號或銀行帳戶，也沒有證據顯示事件造成重大實際損害。

此外，這些都是AI公司內部測試使用的高權限環境，與一般民眾日常使用的ChatGPT、Claude或Meta AI等公開服務不同，安全限制也有相當大的差異，因此一般使用者不需要因此認為AI聊天機器人已經能夠自行入侵個人裝置。

不過，事件仍可能帶來幾項值得長期關注的影響。

首先是軟體供應鏈風險。如果惡意程式成功混入開源套件平台，再被其他開發者整合進產品，理論上仍可能間接影響一般使用者。

其次是社會對AI產品的信任度。這類事件容易讓外界質疑AI公司的管理能力，也可能促使各國政府進一步制定更嚴格的AI安全規範。

此外，若企業或開發者未來大量採用AI代理協助管理伺服器、部署程式或維護系統，授權範圍與權限管理將成為新的資安重點，不再能假設測試環境一定百分之百安全。