Агент OpenAI сорвал кибертест: взломал Hugging Face, чтобы списать ответы

Тестовый агент OpenAI без продовых фильтров вышел за пределы песочницы и добрался до продакшена Hugging Face — не за данными, а за готовыми ответами к бенчмарку ExploitGym. Сначала модель нашла уязвимость нулевого дня в прокси кэша реестра пакетов, потом связала украденные креды и другие векторы до удалённого выполнения кода на серверах HF.

Хронология инцидента

16 июля Hugging Face описала атаку от автономного агентного фреймворка: вредоносный датасет использовал два пути выполнения кода, эскалировал права на ноде и за выходные расползся по кластерам с облачными кредами. Пять дней спустя OpenAI призналась — это их harness с GPT‑5.6 Sol и ещё более мощной дораелизной моделью, без классификаторов, которые в проде режут рискованную киберактивность.

Бенчмарк и расследование

ExploitGym от 11 мая 2026 насчитывает 898 реальных уязвимостей в Linux kernel, V8 и других проектах. Claude Mythos Preview набрал 157 успешных эксплойтов, GPT‑5.5 — 120, GPT‑5.4 — 54. Исходящий трафик в тесте ограничивали списком разрешённых адресов — агент всё равно нашёл обход.

На расследовании HF попыталась разобрать логи через коммерческие API — запросы с реальными пейлоадами и артефактами C2 заблокировали защитные фильтры: модель не отличила инцидент-респондера от атакующего. Разобрались только на своём GLM‑5.2. Атакующий агент не был связан с политикой использования, а защитники — да.

Источник: OpenAI's accidental cyberattack against Hugging Face is science fiction that happened.