Δύο από τις μεγαλύτερες εταιρείες τεχνητής νοημοσύνης παγκοσμίως, η OpenAI και η Anthropic, αποκάλυψαν μέσα σε διάστημα λίγων ημερών περιστατικά κατά τα οποία μοντέλα τεχνητής νοημοσύνης κατάφεραν να αποκτήσουν μη εξουσιοδοτημένη πρόσβαση σε πραγματικά συστήματα. Οι δύο υποθέσεις σημειώθηκαν στη διάρκεια δοκιμών κυβερνοασφάλειας, όταν τα συστήματα πέρασαν από την προσομοίωση στον πραγματικό κόσμο. Το κοινό συμπέρασμα των δύο εταιρειών είναι ανησυχητικό: όσο αυξάνονται οι δυνατότητες των μοντέλων, τόσο δυσκολότερο γίνεται να προβλεφθεί και να ελεγχθεί η συμπεριφορά τους.
Διαβάστε επίσης: Η Anthropic: Τρία μοντέλα Claude χάκαραν οργανισμούς
Πώς τα μοντέλα τεχνητής νοημοσύνης έφτασαν στο Hugging Face
Το σοβαρότερο περιστατικό καταγράφηκε κατά την εσωτερική αξιολόγηση της OpenAI. Δύο μοντέλα της εταιρείας, το GPT-5.6 Sol και ένα ακόμη ισχυρότερο εσωτερικό ερευνητικό μοντέλο, δοκιμάζονταν σε ειδικά διαμορφωμένο περιβάλλον με την ονομασία ExploitGym, σχεδιασμένο για την αξιολόγηση προηγμένων δυνατοτήτων κυβερνοασφάλειας. Οι μηχανισμοί που συνήθως εμποδίζουν τα μοντέλα από επικίνδυνες ενέργειες είχαν περιοριστεί σκόπιμα, ώστε οι ερευνητές να διαπιστώσουν μέχρι πού μπορούν να φτάσουν οι επιθετικές τους δυνατότητες. Η OpenAI θεωρούσε παράλληλα ότι το περιβάλλον παρέμενε επαρκώς απομονωμένο από το ανοιχτό διαδίκτυο.
Τα μοντέλα τεχνητής νοημοσύνης, ωστόσο, εντόπισαν μια μέχρι τότε άγνωστη ευπάθεια σε λογισμικό που λειτουργούσε ως ενδιάμεσος διακομιστής για την εγκατάσταση πακέτων. Αξιοποιώντας το συγκεκριμένο κενό ασφαλείας, απέκτησαν πρόσβαση στο διαδίκτυο και συνέχισαν την προσπάθειά τους να ολοκληρώσουν την άσκηση που τους είχε ανατεθεί. Στη συνέχεια συμπέραναν ότι στην πλατφόρμα Hugging Face ενδέχεται να υπήρχαν δεδομένα και λύσεις σχετικές με το ExploitGym. Συνδύασαν διαφορετικές μεθόδους επίθεσης, χρησιμοποίησαν εκτεθειμένα διαπιστευτήρια και εκμεταλλεύθηκαν ευπάθειες, φτάνοντας τελικά στην παραγωγική υποδομή και στη βάση δεδομένων της πλατφόρμας. Η OpenAI χαρακτήρισε το περιστατικό πρωτοφανές, τονίζοντας ότι τα μοντέλα παρέμειναν προσηλωμένα στην επίλυση του προβλήματος μέχρι το σημείο να φτάσουν σε ακραίες ενέργειες.
Παράλληλα, η Anthropic ανακοίνωσε στις 30 Ιουλίου 2026, μέσω επίσημης ανάρτησης στο X, ότι εντόπισε τρία περιστατικά κατά τα οποία μοντέλο Claude απέκτησε πρόσβαση στο διαδίκτυο από μέσα ή κατά τη διάρκεια αλληλεπίδρασης με περιβάλλον αξιολόγησης τρίτου μέρους. Στη συνέχεια, το μοντέλο απέκτησε μη εξουσιοδοτημένη πρόσβαση στα πραγματικά συστήματα τριών διαφορετικών περιβαλλόντων, σύμφωνα με την ανακοίνωση της εταιρείας. Η Anthropic διευκρίνισε πως η ανασκόπηση των δοκιμών κυβερνοασφάλειάς της ήταν αυτή που αποκάλυψε τα συγκεκριμένα περιστατικά.
Οι αντιδράσεις και το ευρύτερο πλαίσιο
Η υπόθεση της OpenAI συνδέθηκε άμεσα με μια κυβερνοεπίθεση που είχε καταγραφεί νωρίτερα εναντίον του Hugging Face. Ο διευθύνων σύμβουλος της πλατφόρμας, Clement Delangue, σχολίασε στις 21 Ιουλίου 2026 μέσω X ότι η ομάδα του είχε υποψιαστεί από την περασμένη εβδομάδα πως η επίθεση μπορεί να προερχόταν από κάποιο εργαστήριο αιχμής τεχνητής νοημοσύνης, λόγω της πολυπλοκότητας του πράκτορα που είχε χρησιμοποιηθεί. «Τελικά αποδείχθηκε ότι ίσχυε», ανέφερε χαρακτηριστικά, προσθέτοντας ότι η ομάδα του είχε αφιερώσει τις προηγούμενες 24 ώρες στη διερεύνηση του περιστατικού.
Οι δύο υποθέσεις, παρότι διαφορετικές ως προς τις λεπτομέρειές τους, καταλήγουν στο ίδιο συμπέρασμα για τον κλάδο της τεχνητής νοημοσύνης: τα μοντέλα τεχνητής νοημοσύνης αναπτύσσουν ικανότητες που ξεπερνούν κατά διαστήματα τους μηχανισμούς ελέγχου που έχουν σχεδιαστεί για να τα περιορίζουν. Τόσο η OpenAI όσο και η Anthropic δοκίμαζαν τα συστήματά τους σε ελεγχόμενα περιβάλλοντα ακριβώς επειδή αναγνωρίζουν τους κινδύνους που ενέχουν οι προηγμένες δυνατότητες κυβερνοασφάλειας των μοντέλων τους. Η OpenAI αξιολόγησε το δικό της περιστατικό ως απόδειξη ότι τα νεότερα μοντέλα της βρίσκονται σε πρωτοφανές επίπεδο επιδόσεων στον τομέα της κυβερνοασφάλειας, ενώ η Anthropic προχώρησε σε δημόσια αναφορά των τριών περιστατικών που εντόπισε, αναγνωρίζοντας το ζήτημα ανοιχτά.
