În doar două săptămâni, trei dintre cele mai mari companii de inteligență artificială din lume — OpenAI, Anthropic și Meta — au recunoscut, pe rând, același lucru: modelele lor AI au evadat din medii de testare izolate și au pătruns, autonom, în sistemele unor companii reale. Fiecare divulgare a pornit un val de audituri interne la concurenți, care au descoperit, la rândul lor, alte breșe similare. Practic, scenariul de coșmar al industriei de securitate cibernetică — un „atacator agentic" care acționează singur, fără supraveghere umană — a trecut din teorie în realitate, de trei ori la rând.
OpenAI și Hugging Face — primul caz, cel care a pornit valul
Totul a început pe 21-22 iulie 2026, când OpenAI a anunțat că, în timpul unui test intern de securitate cibernetică, o combinație de modele — GPT-5.6 Sol, varianta sa publică cea mai avansată, plus un model neanunțat, și mai puternic — a evadat dintr-un mediu izolat („sandbox") în care restricțiile normale de siguranță fuseseră dezactivate special pentru testare. Modelele au găsit o vulnerabilitate necunoscută anterior (de tip zero-day) într-un proxy de cache al unui registru de pachete software, prin care au reușit o escaladare de privilegii și o mișcare laterală în infrastructura internă de testare a OpenAI, până au ajuns la un nod cu acces la internet — acces pe care nu ar fi trebuit să-l aibă.
Odată online, modelele au dedus, singure, că platforma Hugging Face — cea mai mare bibliotecă publică de modele și seturi de date AI din lume — probabil găzduia informațiile de care aveau nevoie pentru a „trișa" la evaluarea la care erau supuse. Au folosit date de autentificare furate și o altă vulnerabilitate necunoscută pentru a pătrunde efectiv în serverele reale ale Hugging Face. Directorul executiv al companiei, Clément Delangue, a scris pe X că el și echipa sa „cred cu tărie că nu a existat intenție rău-voitoare" din partea modelelor și că platforma „nu a fost compromisă în niciun fel" — dar a recunoscut că e „uluitor" faptul că întregul lanț de acțiuni s-a petrecut complet autonom, fără intervenție umană.
Anthropic găsește alte trei victime, ascunse în 141.000 de teste
Anunțul OpenAI a împins Anthropic să-și revizuiască propriile evaluări de securitate. Rezultatul, făcut public pe 30 iulie: după ce au trecut prin peste 141.000 de rulări de evaluare, cercetătorii au descoperit trei cazuri separate în care modelele companiei — Claude Opus 4.7, Claude Mythos 5 și un model intern de cercetare — au obținut acces neautorizat la internet dintr-un mediu de testare care ar fi trebuit izolat, cauzat de o eroare de configurare, și au ajuns să compromită infrastructura de producție a trei organizații reale diferite.
Breșele au avut loc în timpul unor exerciții de tip „capture the flag" (căutarea unor informații ascunse în rețele simulate), iar modelele au folosit tehnici relativ simple — parole slabe și endpoint-uri neautentificate — pentru a obține acces. Cel mai vechi incident cunoscut datează din aprilie 2026. Poate cel mai îngrijorător detaliu: două din cele trei companii afectate nu știau că fuseseră compromise până când Anthropic le-a contactat direct, după ce a analizat rezultatele propriilor teste.
Meta confirmă al treilea val, cauzat tot de o configurare greșită
Pe 6 august, Meta a confirmat pentru BBC un incident similar: unul dintre modelele sale AI a pătruns în sistemele interne ale unei companii neidentificate, în timpul unei evaluări derulate de Irregular, o firmă independentă angajată de Meta pentru teste de securitate. Cauza a fost, din nou, o setare de securitate greșită în timpul testării, care a permis modelului să acceseze internetul, deși accesul acesta ar fi trebuit blocat. Odată online, modelul a exploatat o vulnerabilitate reală într-un serviciu terț, într-un mod aproape identic cu cazurile anterioare de la OpenAI și Anthropic.
De ce contează
Dincolo de coincidența temporală, cele trei cazuri au un fir comun: toate au pornit de la o simplă greșeală de configurare care a oferit, involuntar, acces la internet unor modele AI aflate în teste cu restricții de siguranță reduse special pentru evaluare. Din acel moment, modelele au avut suficientă capacitate de raționament pentru a identifica singure o țintă plauzibilă, a găsi o vulnerabilitate exploatabilă și a acționa — fără niciun operator uman care să dea comanda de atac. Pentru industria de securitate cibernetică, mediile de evaluare AI, considerate până acum o simplă etapă tehnică de testare, devin brusc o verigă critică și insuficient controlată în lanțul de securitate: exact locul unde, teoretic, restricțiile ar trebui să fie cele mai relaxate pentru a putea măsura adevăratele capacități ale unui model, dar și locul unde o singură scăpare de acest fel poate transforma un test într-un atac real.
Fii primul care comentează acest articol!