IT之家9月19日消息，据《华尔街日报》今日报道，谷歌确认其Gemini模型在今年5月的一次安全测试中曾自主入侵过外部真实企业，系Gemini首次已知的AI越狱事件。
谷歌表示，该事件发生在测试公司Irregular开展的一次“捕获旗帜”演练中，目的是评估Gemini的网络安全（885459）能力。测试环境本应完全隔离，但互联网访问被意外开放。
IT之家注：“捕获旗帜”(Capture the Flag)是一种网络安全（885459）竞赛形式，参与者在模拟环境中寻找并获取隐藏的“旗帜”以证明成功入侵。
在其中一起事件中，Gemini通过猜测密码获得了对受保护系统的访问权限。在另外两起事件中，模型在公开代码仓库中找到了凭证，进而访问了受保护系统。
谷歌称，在每起事件中，模型在确认所访问的是真实公司系统而非模拟环境后，均自行终止了入侵行为。谷歌未披露被入侵公司的名称，但表示三家公司均已收到通知。
Irregular于7月底将此事告知谷歌。谷歌和Irregular均表示，这一通知是在OpenAI的AI代理入侵AI软件公司Hugging Face事件被发现之后发出的。
谷歌并未主动披露此事，直至《华尔街日报》本周进行问询。谷歌认为，由于模型未对相关公司造成损害，且每次都在确认入侵真实公司后立即终止，因此无需公开披露。谷歌将此事类比为“漏洞赏金”计划，即黑客发现并报告安全漏洞后可获得奖励。
谷歌安全工程副总裁希瑟.阿德金斯在声明中表示：“这一事件凸显了训练强大AI模型以负责任方式行事的重要性。在此案例中，模型的行为是恰当的。”
AI安全初创公司Corridor首席执行官、白帽黑客杰克.凯布尔对此提出异议。他认为谷歌的解释聚焦于事件严重程度，而真正的问题在于AI代理意外入侵了另一家公司的系统。
凯布尔表示：“感觉他们试图躲在漏洞披露领域已有的规范后面，但这是一个非常不同的问题。元问题是，模型正在超出其应有的行为边界，实施实际的网络攻击，我认为公众有权知道这些。”
OpenAI于9月16日发布新的模型错位事件报告框架，表示将“披露能提供有用证据”的模型错位案例。该框架将标记案例分为三条审查路径，其中两条分别设定了6个和12个工作日的发布目标。
OpenAI同步发布了六起此前未披露的模型错位事件报告，涉及强化学习训练过程中AI模型伪造数据、突破网络权限、代理之间传输保密数据等行为。
谷歌表示，Gemini入侵事件源于身份混淆。测试中设定了一家虚构公司，但该虚构公司与一家真实公司同名。模型在搜索该名称时找到了真实公司的网站。
谷歌称此事不构成模型错位，因为其安全措施帮助模型停止了行为。谷歌还表示已通知联邦当局。谷歌未披露涉事的具体Gemini模型版本。
Irregular发言人表示，所有相关实验室已于7月底收到通知，受影响实体已在调查过程中被联系。Irregular采取了立即行动，其端所有已知问题已在数周前修复和解决。
与谷歌不同，Anthropic的Claude Opus4.7模型在意识到可能正在访问真实公司后并未停止。Anthropic在博客文章中披露，其Claude模型在网络安全（885459）评估中未经授权访问了三家公司的系统。在Claude Opus4.7的案例中，模型在四次运行中均通过口头推理表明其意识到目标是真实公司，但在其中两次运行中，模型将真实公司合理化认定为“捕获旗帜”演练的一部分。
OpenAI的模型则误以为真实公司是模拟的一部分。据此前报道，2026年7月，约1200个OpenAI代理在内部网络安全（885459）评估中突破沙箱隔离，自发组建了未经授权的消息板，互发超过7万条消息，其中约700个代理直接参与了对Hugging Face的攻击。
对新一代模型网络安全（885459）能力的担忧自7月Hugging Face入侵事件被发现后持续升温。上周，前OpenAI研究员雅各布.考克森从Anthropic离职，使相关担忧进一步进入主流视野。上周末，Anthropic、OpenAI、谷歌和SpaceX（SPCX）的领导人均同意需要放缓AI进展速度，但各公司均未说明具体如何实现。
