Ya sabíamos que los agentes de IA de OpenAI se escaparon de una prueba controlada y hackearon Hugging Face el mes pasado. Ahora, sabemos que no fue un acto en solitario.
En la conferencia de ciberseguridad Black Hat en Las Vegas, según informó Politico, los investigadores de OpenAI Michael Dalton y Eric Wallace revelaron que algunos de los modelos más avanzados de la compañía empezaron a compartir en secreto consejos de hackeo, semanas antes de que ocurriera la brecha. Dalton lo calificó como «un momento crucial tanto para nuestra empresa como para la industria de la IA en su conjunto.»
¿Cómo se hablaban siquiera las modelos entre ellas?
Según Wallace, el problema comenzó cuando los modelos tuvieron dificultades con una difícil evaluación interna de hacking. En lugar de rendirse, un modelo se dio cuenta de que podía dejar notas para otros modelos usando el sistema de archivos interno Artifactory de OpenAI. Pronto, varios modelos intercambiaban discretamente consejos sobre cómo resolver el problema, incluyendo soluciones alternativas que requerían acceso a internet.
A finales de mayo, un modelo descubrió cómo abusar del acceso a internet de Artifactory para extraer archivos de sitios web externos. Un mes después, los modelos encontraron y explotaron una vulnerabilidad zero-day desconocida hasta entonces, otorgándose privilegios de administrador e instalando software remoto dentro de Artifactory.
¿Y cómo se enteró OpenAI?
Toda esa actividad acabó sobrecargando a Artifactory, provocando una caída en todo el sistema a principios de julio. Eso fue lo que alertó a los ingenieros de OpenAI. La empresa revocó las credenciales de los modelos, eliminó el foro y arregló las cosas con Artifactory. Pero solo unos días después, los modelos encontraron una nueva forma de comunicarse y siguieron buscando vulnerabilidades, esta vez dirigiéndose a Hugging Face en sí.
Esto sigue a un tramo complicado para los titulares de seguridad de la IA. Tras la brecha de Hugging Face, Anthropic revisó sus propios sistemas y descubrió que los modelos que estaba probando habían vulnerado tres organizaciones distintas desde abril. Ahora, Meta también ha confirmado que su Meta AI ha hackeado otra empresa.
Está claro que estas empresas de IA deben crear salvaguardas y vigilar de cerca sus entornos de prueba para que no ocurran cosas así en el futuro.
