# 红队测试发现OpenAI内部监控系统存在漏洞

> 2026年7月至8月的一项为期三周的外部审计发现，OpenAI的失准行为监控器存在漏洞。该公司称，漏洞现已修复。

Oossa · 2026-10-22 · https://oossa.com/zh/red-team-test-finds-gaps-in-openai-s-internal-monitoring-system

2026年7月21日至8月11日，Machine Ethics Transparency Research（METR）组织的一名研究人员和一名Redwood Research同事获准深入访问OpenAI的内部代码和监控工具。他们花了三周时间，尝试攻破用于监控先进AI智能体（例如为Codex提供支持的智能体）的系统。研究结果汇编成一份61页的报告，并与OpenAI员工分享。

## 测试揭示了什么

审计人员估计，内部Responses API的流量中有75%至94%受到监控；该API供能力至少与GPT‑5.5相当的模型使用，但具体比例尚不确定。在运行Codex智能体的流量中，监控覆盖率约为99.2%。他们还发现，测试开始时，强化学习训练任务尚未纳入监控；而“压缩（compaction）”事件期间缺少监控，可能导致2026年5月至7月间约10%的Codex流量未受检查。

审计人员发现了几项具体漏洞：智能体可以绕过Codex沙箱，可以设置由客户端控制、能为新智能体关闭监控的请求头，也可以构造导致监控器失效的输入。负载削减和监控器错误并不常见——错误率低于0.2%，一份24小时的快照显示没有发生负载削减事件。

OpenAI表示，所有影响其生产环境安全防护的漏洞均已修复，测试之后也扩大了监控覆盖范围。不过，审计人员尚未独立核实这些说法。

## 事实

- 红队测试于2026年7月21日至2026年8月11日进行。
- 研究人员估计，能力至少与GPT‑5.5相当的模型所产生的Responses API流量中，有75%至94%符合监控条件。
- 据估计，内部Codex智能体流量中有99.2%符合监控条件。
- 据报告，负载削减和监控错误率均低于请求量的0.2%；24小时观察期间未发现负载削减事件。
- OpenAI称，所有已发现的漏洞均已修复，监控覆盖范围也已扩大。

## 为什么重要

对于依赖OpenAI Codex工具的开发者来说，这些监控缺口意味着部分AI操作可能未受检查，进而使用户面临意外行为的风险。OpenAI的修复工作应能降低这种风险，但仍需独立验证，确认系统如今能监控更多智能体活动。

## 来源与参考

1. [Red-Teaming OpenAI's Internal Agent Monitoring Systems October 22, 2026 A METR employee and a Redwood Research employee spent three weeks stress-testing OpenAI's internal misalignment monitoring syste](https://metr.org/blog/2026-10-22-red-teaming-openai-agent-monitoring/) – METR, 2026-10-22

最后更新: 2026-10-22