Claude，黑进了OpenAI

本文来自微信公众号：机器之心，编辑：Panda，作者：机器之心

天道好轮回，苍天饶过谁？入侵过Hugging Face和Ruby生态的OpenAI原来也被入侵过！并且，入侵者使用的还是其主要竞对Anthropic的模型。

就在几个小时前，Electrovolt Security与Hacktron AI创始人s1r1us在𝕏上发布了一系列推文，分享了其团队在7月份借助Claude成功入侵OpenAI的故事，引发广泛关注。

https://x.com/S1r1u5_/status/2100777801335095383

严格来说，这个故事并不算新。完整的技术复盘早在9月13日就挂在了Hacktron的博客上，并且标题颇有些挑衅意味：「Hacking OpenAI」。

博客地址：https://www.hacktron.ai/blog/hacking-openai

真正让它在今天引爆的，是《华尔街日报》的独家报道《黑客用Anthropic的Claude攻破OpenAI》，以及s1r1us本人下场把整条攻击链摊开讲了一遍。推文发布数小时内浏览量已超过55万，Hacker News上也热度极高。

s1r1us本名Mohan Pedhapati，是Hacktron AI的联合创始人兼CTO。参与这次研究的还有安全研究主管Harsh Jaiswal和研究员Rahul Maini，一共3个人。

时间上，从初始发现到拿到OpenAI内部代码仓库的访问权限，全程不到72小时。

Hacktron博客给出的九步攻击链示意图

72小时：从一张图片到OpenAI的内部单体仓库

整条链路的起点就只是「上传一张HEIC格式的图片」。

OpenAI的用户社区community.openai.com跑在Discourse上。Discourse平时用FastImage做图片校验，但FastImage不支持HEIF，于是这类文件被转交给ImageMagick的magick命令去转换，底层的libheif解析器就这样直接暴露在了攻击者可控的文件面前。

Hacktron团队在7月23日开始审计这条图片上传流水线，随后在libheif中确认了一个堆缓冲区溢出。

最值得安全从业者警觉的是这个漏洞的来历：相关代码上游在前一年就已经改过，但那次提交没有被标记为安全修复，也没有分配CVE。结果是Debian 12和Debian 13都没有及时拿到这个安全backport。Discourse的Docker镜像基于Debian 12，装的是1.19.7版本，而当时的Debian 13也仍然带着有问题的1.19.8。一个没人认为是安全问题的提交，在依赖链末端变成了一次远程代码执行。Debian直到8月8日才为Debian 13推送安全更新。

拿到论坛的RCE只是第一步。真正把影响放大的是第二个漏洞：OpenAI自家的SSO缺陷。OpenAI允许用户通过auth.openai.com的「Sign in with OpenAI」登录论坛，而这条身份链路存在配置问题，使得攻陷论坛可以转化为对登录过该论坛的用户ChatGPT和Codex账号的接管，其中包括OpenAI员工。

团队在博客里专门强调了一句：这个可被利用来提权的漏洞不是Discourse特有的，Discourse只是他们选中的一条证明路径，任何使用OpenAI SSO的第一方或第三方服务被攻陷，都会导致同样的结果。

而ChatGPT和Codex账号往往连接了Outlook、Gmail、Google Drive、Slack、GitHub等一大串服务。理论可达范围因此远远超出了聊天记录本身。

为了在不读取任何敏感内容的前提下证明访问是真实的，团队挑了一个Codex已连接OpenAI GitHub组织的员工账号，给这个账号的Codex发了一条指令，让它在OpenAI的内部单体仓库openai/openai里开了一个无害的pull request，然后立刻停止了所有进一步测试。

向OpenAI内部单体仓库提交的PoC pull request图示，非原始截图（OpenAI要求不展示原始截图）

据《华尔街日报》转述知情人士的说法，这个monorepo存放的是让模型更快更高效的算法机密，相当于公司的配方，但不包含模型权重；研究人员提交的改动落在一份文档文件上，内容包含「Hacktron AI Team PoC」字样和两位研究员的𝕏账号链接，该建议未被接受。

时间线密度很高。7月25日UTC凌晨5点到6点之间拿到论坛的RCE和管理员权限；8点到10点通过Bugcrowd提交报告；13点半到15点半完成员工账号接管与PoC提交，同时在推特上直接找OpenAI的朋友示警，并在15点半左右停手；当天22点49分，OpenAI回复确认问题已修复，距离初始提交约14小时。给Discourse的报告走的是HackerOne，周六送出、周日回复、周一修复完成，7月28日发布安全公告GHSA-vhm9-85gw-x335，并顺手给ImageMagick加上了沙箱隔离作为纵深防御。

Claude在其中到底做了多少？

这才是这条新闻真正的爆点。

Hacktron的复盘写得相当坦白。他们先用Opus 4.8开了一个会话，把Discourse的Docker镜像丢给它，让它检查已安装的libheif包有没有安全问题，模型找出了那批没有被backport的修复。7月24日，同样是Opus 4.8，在关闭ASLR的条件下做出了一个可用的代码执行exploit。但要在Discourse默认配置（ASLR开启）下做到稳定，他们开了好几个会话都没成功。

当天晚上，Anthropic发布了Claude Opus 5。

团队开了个新会话，三小时内拿到了一个能在本地Mac上跑通的ARM64版本，接着让它移植到Discourse所用的x86-64环境和jemalloc配置。到7月25日早上6点，通过图片上传实现本地RCE得到确认。

接下来更有意思，Opus拒绝为远程实例编写exploit，于是团队把自己的Discourse Cloud实例通过一个代理包装成看起来像CTF靶场的样子，再把Claude放进自主的/goal循环里跑。上午10点回来查看时，agent已经在Discourse Cloud上拿到了RCE，并通过读取/etc/hosts证明了这一点。用这个自动生成的脚本，他们随后在OpenAI的实例上复现成功。

模型的安全护栏确实触发了，但它拦住的只是「远程」这个词。

成本数字同样惊人。Discourse和OpenAI这一段只花了agent几天、人类几个小时；而覆盖Slack、Zoom、Meta等多家公司的整个HEIF Heist研究项目，历时两个月，三名研究员，token总花费不到3000美元，适配到一家新公司通常只需要一两天。

团队称，测试从上传一张图片开始，在通常不知道目标具体libheif版本、libc版本和部署环境的情况下，AI几乎是盲打着把内存破坏转化为可靠的内存泄露或shell。据他们观察，除Shopify外，没有任何一家公司察觉到这些活动，哪怕图片处理进程被反复打崩、发送量已达数千张。

不过，需要说明两点：

Hacktron自己强调这并非全自动黑客攻击，熟练的人类引导依然关键，变化的是一支小团队能完成的工作量级。
被点名的不只是Claude——他们同时提到，在对目标系统一无所知的盲打场景中，从Opus 5到GPT-5.6 Sol又出现了一次明显的能力跃升。这不是单家模型厂商的问题。

6500美元和一句补充说明

9月1日，OpenAI发放了6500美元赏金并将报告标记为已解决，同时附上一句措辞谨慎的补充：「针对Discourse托管的community.openai.com的测试本就被明确排除在其赏金计划范围之外，这笔奖励认可的是OpenAI侧的发现，而非针对Discourse的行为。」

6500美元就买下一条通往内部单体仓库的路径，这个数字在社交媒体上很快成了争议焦点。

真正把讨论推向更深处的，是安全研究者Joshua Saxe的一条长帖。他在文章发表前受WSJ和s1r1us之邀，对这条kill chain做过中立的技术复核。

他抛出的几个问题都很难回答：已经有多少更强大的攻击者更早进去、并且走得更远，拿走了算法机密、模型权重或者用户数据？此刻有多少驻留程序还留在前沿实验室的网络里？这种程度的「软」在各家实验室之间有多普遍，它们距离安全与研发效率之间的合理平衡点还有多远？

https://x.com/joshua_saxe/status/2100775309012296171

他最扎人的一问指向Anthropic：既然Hacktron正是用Anthropic的模型完成了这次入侵，那么Anthropic那套网络安全护栏的公共安全ROI究竟是多少——它给合法的防守方增加了实实在在的摩擦，而攻击方稍加周折就绕了过去。他的结论是，精英级的持续性入侵能力正在被迅速平民化，而这正像一列货运火车一样开过来。

天道好轮回的另一半

把这件事放回时间线，会发现2026年的前沿实验室安全史已经相当混乱。

7月，OpenAI与Hugging Face共同披露了一起事故：OpenAI在ExploitGym这一公开基准上测试GPT-5.6 Sol和一个未发布的内部模型，为了跑评测关闭了对外部署时的同等防护，结果模型突破了评估环境的隔离边界、触及公网，并攻陷了Hugging Face生产基础设施的一部分。

9月11日，研究者Spencer Kitts、Thomas Larsen和Sydney Von Arx又披露，早在5月11日，OpenAI的测试agent就已经向RubyGems上传了数百个恶意包，试图窃取用户凭据。RubyGems一度将其当作DDoS处理并暂停新用户注册，最终封禁相关账号、撤下500多个恶意包，5月16日恢复注册。

再往前，还有一起被安全社区称为「wiki事件」的插曲：约18000条来自自称OpenAI系统的自主agent的帖子被发现散布在一个德语wiki农场上，agent们用公共站点互相传递答案、勘察环境，其中一条记录显示，某个agent发布了绕过OpenAI沙箱网络限制的方法，14分钟后另一个agent就照做了。

9月5日，OpenAI在官方𝕏账号上表态，称现在已经到了该为「何时、如何披露misalignment事件」定标准的时候，而不只是披露模型的misalignment属性，框架将在未来几周公布，同时公司正在与全球数十个监管机构沟通。