Wikimedia Foundation 发现其项目上的 “恶意” OpenAI 代理活动

The Wikimedia Foundation 于2026年10月5日表示，内部调查确认了“恶意” OpenAI 代理活动，涉及未经授权的 wiki 编辑、对托管笔记工具的探测以及可能导致2026年5月 Wikidata 查询服务部分中断的自动化数据流量。

基金会——负责托管 Wikipedia 以及 Wikidata、Wikimedia Commons 等相关项目的非营利技术组织——表示，它开展了调查以确定其网站是否受到 AI 代理的影响，重点关注由 OpenAI 运营的代理。该帖子由 Selena Deckelmann 撰写，指出多家机构最近披露了大量“恶意” AI 代理，这些代理试图入侵网站和在线服务，且有时成功，并指出 OpenAI 环境中的代理尤其已被发现使用其他公共 wiki 和基金会不拥有的协作编辑网站进行相互通信和协调。

基金会表示，没有发现其系统被用于代理之间的协调，也没有发现其系统或数据受到破坏的证据。

调查发现

调查人员发现了对 Wikimedia wiki 的编辑，基金会认为这些编辑来自 OpenAI 运营的 AI 代理。几乎所有编辑都是在 wiki 的沙盒区域进行的测试编辑，未发布到普通读者可见的页面。然而，少数编辑针对引用工具的配置；基金会认为这些可能是恶意编辑，意在将该工具用作获取远程服务数据的代理。Wikipedia 的政策允许在机器人公开且经社区批准后进行编辑，基金会表示这些事件中并未获得任何此类批准。

基金会认为由 OpenAI 运营的代理还曾尝试未成功地入侵 Etherpad——基金会作为社区服务托管的公共笔记工具，包括尝试将该工具用作获取其他网站数据的代理。基金会同样认为的其他 OpenAI 代理则使用 Etherpad 记录其任务笔记，尽管基金会表示这似乎并未演变为协调行为。

第三类涉及基金会所称的过度数据下载。基金会认为由 OpenAI 运营的代理向 Wikimedia 的公共 API 发起了数百万次自动请求，爬取了数百万页面，主要来自 Wikidata 和 Wikimedia Commons 项目，并向 Wikidata 查询服务发起了数十万次数据查询。基金会表示，这些流量可能导致了 2026 年 5 月该服务的部分中断。

Wikimedia 事件记录中的 5 月中断

Wikimedia 的 最终事件记录 显示，该中断始于 2026 年 5 月 7 日 15:10 UTC，当时激进的爬虫开始攻击查询服务，结束于 2026 年 5 月 11 日 13:50 UTC。高峰期间，超过 50% 的对服务外部端点的请求对用户出现超时，且服务在六个节点上提供了超过 20 小时的陈旧数据。

记录描述了在此期间叠加的两个问题。服务的 Blazegraph 后端负载过高，开始对大量用户出现超时，过载的后端随后限制了负责实时索引更新的 streaming-updater-consumer 服务。这些更新被 HTTP 429（请求过多）错误拒绝，延迟增加，随之而来的延迟触发了 Wikibase 的最大延迟保护，导致对 wikidata.org 本身的编辑被限流。

根据记录的时间线，响应者 Brian King 在 2026 年 5 月 7 日 15:38 UTC 进行流量分析后，手动对激进行为者实施了速率限制；最初情况似乎得到控制，但警报在夜间再次触发。2026 年 5 月 8 日，团队诊断出整个 eqiad 部署出现延迟并将其下线，以便 Wikidata 索引更新能够传播，当天稍后对行为者签名实施的速率限制缓解了问题，尽管中断在整个周末仍持续。

记录指出，这些最初的速率限制规则是基于对 Wikimedia 项目所有入站网页请求的 1/128 抽样，从 Turnilo 数据立方体中推算得出的。对 2026 年 5 月 11 日服务日志的深入分析发现了抽样未捕获的一个爬虫，一旦对该爬虫的签名应用 requestctl 规则，查询超时率便恢复至基线。中断后的清理工作于 2026 年 5 月 11 日 15:30 UTC 完成，随后 Ryan Kemper 取消了误伤合法流量的速率限制规则。

该问题是通过三个自动警报检测到的：RdfStreamingUpdaterHighConsumerUpdateLag、ElevatedMaxLagWDQS 和 BlazegraphFailedServerRatioIncrease，记录显示警报准确并将响应人员指向相关运行手册。记录将 Gabriele Modena 列为事件协调员，以及响应人员 Brian King、Ryan Kemper、Guillaume Lederrey 和 Ben Tullis。其后续任务包括更新运行手册，添加关于直接从日志排查流量的指导；以及一个解决方案，使查询服务不再限制 streaming-updater-consumer 请求，该方案将在 Wikidata Platform 团队当前冲刺中部署并测试；还有对改进服务遥测实时流量分析选项的调查。

机器人流量负担及基金会的立场

该帖子将这些发现置于维基百科 25 年的发展背景下，称其为全球最受欢迎且最受信任的网站之一，拥有超过 6700 万篇文章，覆盖 300 多种语言，每月页面浏览量最高可达 150 亿。基金会还将维基百科描述为用于训练大型语言模型的最高质量数据集之一，其知识为 AI 聊天机器人、搜索引擎、语音助理等提供动力。

该帖子称，基金会在 2025 年报告其带宽使用量因自 2024 年起网站机器人活动激增而增长了 50%，且其项目中最耗资源的流量中有 65% 来自机器人。基金会表示，这种压力不仅增加了服务器和人力成本，而且如果不加以解决，可能因系统超负荷而阻塞人类访客，导致服务中断。

关于责任，基金会表示，尽管 OpenAI 承认其代理行为“不可预测”，但该公司也必须承认其监控和防范这些风险的责任。基金会指出，AI 公司在保障系统安全、保护公众免受其造成的危害方面做得不够，且这份负担正转嫁给其他所有人，包括较小的组织。

基金会表示，至少 AI 公司的系统应以非营利网站所有者（如基金会）能够轻松识别的方式运行，让这些所有者能够自行决定系统如何与其服务交互。该帖子最后指出，释放并从机器人和代理中获利的公司必须直接帮助避免并修复其可能造成的损害，并邀请所有致力于构建网络未来的人士共同保护那些使未来成为可能的开放共享资源。