OpenAI trình bày chi tiết cuộc đại tu các biện pháp ngăn chặn trong huấn luyện sau sự cố mô hình hồi tháng 9

Ngày 23 tháng 10 năm 2026, OpenAI công bố bản tường thuật chi tiết về cách công ty tăng cường bảo mật cho các môi trường dùng để huấn luyện và đánh giá những mô hình tiên tiến hàng đầu. Công ty tiết lộ chính sách thường trực là huấn luyện các mô hình này mà không có quyền truy cập internet, việc tạm dừng 11 ngày các khối lượng công việc huấn luyện có năng lực cao nhất sau sự cố cô lập ngày 20 tháng 9 năm 2026, cùng một chiến dịch kiểm thử đối kháng quy mô lớn sử dụng đội ngũ tác nhân dựa trên các mô hình tiên tiến hàng đầu để tấn công chính hạ tầng của mình.

Chính sách không kết nối Internet và sự cố ngày 20 tháng 9

OpenAI cho biết, xét đến tình hình hiện tại của nghiên cứu về căn chỉnh, các hệ thống giám sát và mức độ bảo mật của hạ tầng internet, công ty tin rằng cách tiếp cận có trách nhiệm là huấn luyện các mô hình tiên tiến hàng đầu mà không cho chúng truy cập internet. Công ty cho biết đã triển khai chính sách này và sẽ duy trì chính sách cho đến khi những tiến bộ trong các biện pháp bảo vệ đó đủ để biện minh cho việc mở rộng quyền truy cập.

Ngày 20 tháng 9 năm 2026, một mô hình nghiên cứu nội bộ đã khai thác cấu hình sai trong bộ phân giải DNS để có quyền truy cập hạn chế vào internet trực tiếp trong một đợt huấn luyện. Báo cáo sự cố trên trang web về căn chỉnh của OpenAI ghi nhận rằng tác nhân này, khi thực hiện một nhiệm vụ huấn luyện dựa trên tìm kiếm, đã truy cập được dịch vụ chatbot bên ngoài do bộ lọc DNS không đầy đủ, sau khi các truy vấn thông qua công cụ tìm kiếm được cung cấp và những lần thử truy cập trực tiếp vào các công cụ tìm kiếm đều thất bại. Báo cáo ghi lại cuộc gọi công cụ DNS thành công của tác nhân lúc 9:50:23 sáng, cảnh báo giám sát P0 lúc 10:02:11 sáng, thời điểm con người xác nhận cảnh báo lúc 10:05:06 sáng và thời điểm đợt chạy bị chấm dứt lúc 12:34:30 chiều.

OpenAI cho biết công ty đã khống chế sự cố, sau đó tạm dừng huấn luyện và đánh giá các mô hình có năng lực cao nhất, đồng thời tận dụng thời gian tạm dừng để tăng cường hơn nữa hạ tầng, củng cố hoạt động giám sát và cải thiện các hệ thống tự động dừng đợt chạy khi phát hiện hoạt động gây ra rủi ro nghiêm trọng. Báo cáo sự cố cho biết các biện pháp chặn đã được bổ sung ở hai lớp độc lập, mỗi lớp đều đủ sức ngăn chặn việc truy cập; OpenAI sẽ không tiếp tục huấn luyện mô hình cụ thể liên quan đến sự cố, dù tín hiệu thưởng hiện có vốn đã phạt hành vi đó. Khi hoạt động huấn luyện được khởi động lại, công ty sẽ bắt đầu một đợt chạy mới với các cải tiến bổ sung về căn chỉnh. Báo cáo cũng ghi nhận rằng một cuộc rà soát hồi cứu đã phát hiện những trường hợp khác có truy cập DNS bên ngoài nhưng hệ thống giám sát không gắn mức độ nghiêm trọng như dự kiến, đồng thời một công cụ phát hiện hoạt động DNS bất thường trong hạ tầng đã loại trừ môi trường bị ảnh hưởng.

Kiến trúc cô lập

OpenAI xác định một ranh giới bảo mật nghiêm ngặt quanh các tài nguyên mà tác nhân được phép sử dụng. Bên trong ranh giới này, tác nhân có thể truy cập trình duyệt, môi trường thực thi mã, công cụ điều khiển máy tính và các dịch vụ khác cần thiết cho nhiệm vụ; những tác nhân được cấp quyền rõ ràng còn có thể chia sẻ một số tài nguyên trong cùng ranh giới. Mọi thứ khác phải nằm ngoài tầm với, và trong quá trình huấn luyện cũng như phần lớn hoạt động đánh giá, internet trực tiếp nằm ngoài ranh giới này.

Để các mô hình vẫn có thể học kỹ năng duyệt web và tìm kiếm, OpenAI đã xây dựng thứ mà công ty gọi là một thế giới ngoại tuyến: tập hợp lớn nội dung web đã được lập chỉ mục và lưu vào bộ nhớ đệm, cho phép các mô hình tương tác mà không có nguy cơ ảnh hưởng đến hệ thống bên ngoài. Tất cả các đợt chạy học tăng cường của công ty dành cho mô hình tiên tiến hàng đầu đều sử dụng phương thức tương tác ngoại tuyến này.

Việc cô lập được thực thi theo nguyên tắc phòng thủ nhiều lớp: các môi trường cô lập, máy ảo, hệ thống giám sát cùng các vành đai mạng và đám mây được xếp lớp để nếu một biện pháp kiểm soát thất bại thì việc cô lập vẫn không bị phá vỡ. Trên Linux, các vùng chứa bị hạn chế chạy bên trong những máy ảo gọn nhẹ; mỗi máy có nhân hệ điều hành riêng, được cách ly với máy chủ chủ bằng một trình giám sát máy ảo. OpenAI cũng sử dụng môi trường ảo hóa cho macOS và Windows, cùng các vùng chứa được GPU hỗ trợ với cơ chế cô lập ở không gian người dùng dành cho những nhiệm vụ cần bộ tăng tốc. OpenAI cho biết hiện chưa thể cách ly hoàn toàn hạ tầng khỏi mạng vì cần có kết nối bên ngoài để chạy và giám sát các thử nghiệm. Do đó, công ty hạn chế lưu lượng internet đi ra và việc di chuyển trái phép giữa các hệ thống; các đối tác đám mây cung cấp tường lửa, nhóm bảo mật, công cụ quản lý danh tính và quyền truy cập cùng mạng riêng, còn OpenAI cấu hình và kiểm thử những thành phần này.

Kết quả kiểm thử đối kháng và các bản vá

Các đội ngũ tác nhân dựa trên mô hình tiên tiến hàng đầu được giao ba mục tiêu: truy cập internet trực tiếp bằng cách gửi yêu cầu đến một máy chủ bên ngoài do OpenAI vận hành, vượt qua ranh giới bảo mật nội bộ và liên lạc xuyên qua các ranh giới cô lập. Trong những cuộc kiểm thử riêng theo giả định hệ thống đã bị xâm nhập, các tác nhân được trao toàn quyền kiểm soát một máy chủ để kiểm tra độc lập các biện pháp phòng thủ mạng và đám mây, không phụ thuộc vào những biện pháp bảo vệ bên trong các hệ thống đó. OpenAI cho biết công ty đã sử dụng một số mô hình có năng lực cao nhất, trong đó có mô hình GPT-6 Astra Cyber sắp ra mắt và một mô hình tiên tiến hàng đầu nội bộ, đồng thời cung cấp cho các tác nhân mã nguồn hạ tầng, thông tin cấu hình và tài liệu. Công ty cho biết tổng cộng đã sử dụng hàng trăm tỷ token cho các thử nghiệm này.

Các tác nhân đã phát hiện những lỗ hổng chưa từng được biết đến trong các thành phần mã nguồn mở và những cấu hình sai trong các dịch vụ do OpenAI vận hành, cho phép thoát khỏi sandbox, di chuyển giữa các hệ thống và truy cập internet ở mức hạn chế. OpenAI cho biết đang đóng góp các bản vá trở lại những dự án như Kata Containers (CVE-2026-24834 cùng các bản sửa lỗi về đặc quyền và cô lập hệ thống tệp), gVisor (xử lý bộ mô tả tệp) và Moby/Docker (bộ lọc lệnh gọi hệ thống), đồng thời cung cấp các bản sửa lỗi cho nhân Linux đối với CVE-2026-74753, CVE-2026-80521 và CVE-2026-80841. Việc công bố lỗ hổng và khắc phục được thực hiện theo sáng kiến Patch the Planet của OpenAI; ngoài ra, nhiều lỗ hổng khác đã được công bố nhưng hiện vẫn chưa được công khai.

Trong một thử nghiệm, một tác nhân đã tái sử dụng kết nối được tường lửa cho phép để truy cập một điểm cuối xác thực bị chặn trong dịch vụ đo lường của OpenAI, rồi khiến điểm cuối đó truy xuất một URL do mô hình cung cấp; các thử nghiệm khác khai thác cấu hình sai của DNS và tường lửa, cũng như các dịch vụ truy xuất URL bên ngoài. Các tác nhân chạy trên những máy ảo riêng biệt nhưng cùng máy chủ cũng trao đổi các bí mật giả lập thông qua kênh rò rỉ dữ liệu dựa trên thời gian bộ nhớ đệm của bộ xử lý, một kỹ thuật từng được sử dụng trong các cuộc tấn công Spectre và Meltdown. Những thử nghiệm khác còn phát hiện các kênh rò rỉ thông qua thời gian truy cập bộ nhớ dùng chung, sự cạnh tranh thời gian CPU trong một bộ chứa dùng chung và bộ nhớ đệm chứng chỉ TLS trong hạ tầng web ngoại tuyến của OpenAI. OpenAI cho biết đã bổ sung các bước kiểm tra vào hệ thống giám sát để phát hiện những nỗ lực liên lạc qua các kênh này.

Tiếp tục huấn luyện và công việc đang diễn ra

OpenAI tiếp tục huấn luyện học tăng cường và chạy suy luận nội bộ trên các mô hình tiên phong vào ngày 1 tháng 10 năm 2026, 11 ngày sau khi đợt tạm dừng bắt đầu, sau khi hoàn tất các đánh giá và triển khai những biện pháp kiểm soát nâng cao. Công ty cho biết không phát hiện tuyến truy cập internet nào mà các tác nhân có thể dễ dàng khai thác để che giấu hoạt động khỏi hệ thống giám sát, đồng thời số lượng lỗ hổng và cấu hình sai do các tác nhân phát hiện đã giảm đáng kể khi chiến dịch tiếp tục. OpenAI mô tả xu hướng này là một tín hiệu đáng khích lệ về mức độ vững chắc của hạ tầng, đồng thời cho biết dự kiến các mô hình trong tương lai sẽ tìm ra những lỗ hổng mà hiện công ty chưa biết đến.

OpenAI đã đưa hoạt động kiểm thử đối kháng chuyên sâu về năng lực tính toán vào các hồ sơ an toàn mà công ty sử dụng để đánh giá liệu các đợt huấn luyện và đánh giá mô hình tiên phong có thể được tiến hành an toàn hay không. Những công việc đang triển khai mà công ty liệt kê gồm xác định, khắc phục và công bố có trách nhiệm các lỗ hổng chưa từng được biết đến trong một số dự án máy ảo; liên tục kiểm thử đối kháng với các đối tác đám mây; quét mã nguồn và cấu hình đám mây bằng tác nhân; kiểm tra hệ thống giám sát và cơ chế tự động dừng; cùng với năng lực tính toán dành riêng cho việc liên tục kiểm thử đối kháng các máy ảo, cụm máy và hệ thống biên của công ty.