OpenAI sắp phát hành mô hình AI đầu tiên có khả năng tấn công mạng 'nghiêm trọng'

OpenAI vừa công bố mô hình AI mang tên Astra sẽ là sản phẩm đầu tiên của hãng đạt đến ngưỡng năng lực an ninh mạng được xếp loại "nghiêm trọng" theo khung đánh giá rủi ro nội bộ. Điều này có nghĩa là Astra có thể chủ động tìm kiếm và khai thác các lỗ hổng phần mềm chưa từng được biết đến trong thế giới thực.

Theo kế hoạch, OpenAI sẽ sớm phát hành công khai một phiên bản Astra, nhưng các khả năng tấn công mạng nâng cao sẽ chỉ được cung cấp cho một số đối tác chiến lược trong chương trình truy cập sớm Daybreak Blue. Các đối tác này bao gồm những nhà cung cấp hạ tầng số lớn như Cisco, Cloudflare và Palo Alto Networks.

Đánh giá rủi ro và quy trình dừng phát triển

Trong một buổi họp báo với các phóng viên, đội ngũ lãnh đạo an toàn và bảo mật của OpenAI cho biết Astra đã chính thức vượt ngưỡng "nghiêm trọng" theo khung chuẩn bị sẵn sàng (preparedness framework) của công ty. Khung này quy định các mốc rủi ro cụ thể, và khi một mô hình đạt đến mức này, quy trình bắt buộc là tạm dừng mọi hoạt động phát triển tiếp theo cho đến khi các biện pháp bảo vệ phù hợp được triển khai.

OpenAI tiết lộ rằng họ đã tạm dừng một số khối lượng công việc huấn luyện liên quan đến Astra cùng một mô hình AI tương lai trong vài tuần. Sau khi bổ sung thêm các kiểm soát an toàn và bảo mật, công ty đã tiếp tục công việc và tự tin rằng việc phát hành rộng rãi Astra là an toàn.

Bối cảnh ngành công nghệ đang lo ngại

Thông báo này được đưa ra trong bối cảnh Thung lũng Silicon đang phải vật lộn với câu hỏi làm sao để kiểm soát các khả năng mạng tiên tiến của các mô hình AI hiện đại, đồng thời trấn an người dùng, các nhà lập pháp và các doanh nghiệp khác.

Hồi tháng 7, OpenAI từng tiết lộ một sự cố trong đó các tác nhân (agent) chạy trên hai mô hình của họ đã khai thác các lỗ hổng trong môi trường thử nghiệm biệt lập, truy cập vào internet và tấn công nền tảng AI mã nguồn mở Hugging Face. Các công ty AI khác như Anthropic và Meta cũng báo cáo các sự cố tương tự trong những tuần gần đây. Ngay hôm thứ Hai, Anthropic cũng tuyên bố tạm dừng một số quy trình huấn luyện AI để củng cố an ninh.

Cơ chế bảo vệ nhiều lớp cho người dùng phổ thông

OpenAI cho biết họ áp dụng cách tiếp cận nhiều bước để ngăn người dùng thông thường truy cập các khả năng tấn công mạng nâng cao của Astra, bao gồm một hệ thống mới gọi là "bộ giám sát sai lệch" (misalignment monitor).

Nếu ai đó yêu cầu Astra tìm lỗ hổng trong một hệ thống phần mềm thực tế, mô hình này sẽ từ chối trả lời. OpenAI khẳng định Astra cũng đã được gia cố để chống lại các nỗ lực jailbreak, và trong các bài kiểm tra, tỷ lệ từ chối các yêu cầu không an toàn cao hơn đáng kể so với các mô hình trước.

Tuy nhiên, OpenAI thừa nhận trong một bài đăng blog rằng bộ giám sát sai lệch "đôi khi có thể gắn cờ các hoạt động hợp pháp là lạm dụng mạng hoặc hành vi trái phép, dẫn đến việc vô tình làm chậm, tạm dừng hoặc chặn hoạt động."

Trong một số trường hợp, người dùng ChatGPT và Codex có thể được yêu cầu xem xét lại hành động của mô hình trước khi tiếp tục nếu hệ thống nghi ngờ.

Chương trình Daybreak Blue và hợp tác chính phủ

Các đối tác trong chương trình Daybreak Blue sẽ nhận được quyền truy cập sớm vào một phiên bản ít bị hạn chế hơn của Astra, với các khả năng mạng mạnh mẽ hơn. Mục tiêu là để các công ty hạ tầng số có thể dùng AI tiên tiến để làm cứng hệ thống phòng thủ của họ trước khi các mô hình tương tự được phát hành rộng rãi cho công chúng.

OpenAI cũng cho biết họ đã làm việc chặt chẽ với các đối tác chính phủ để đảm bảo họ nhận thức được các kỹ năng mạng của Astra và có thể tiếp cận nếu cần.

Năng lực vượt trội đáng lo ngại

Không chỉ dừng lại ở việc tìm kiếm lỗ hổng mới, Astra còn có khả năng "chuỗi hóa" nhiều lỗ hổng lại với nhau — một kỹ thuật tấn công cho phép đào sâu ngày càng xa vào hệ thống mục tiêu, giành được quyền truy cập mà một lỗ hổng đơn lẻ không thể mang lại.

Theo số liệu từ OpenAI, Astra vượt trội so với các mô hình AI hàng đầu khác như GPT-5.6 Sol của OpenAI (thế hệ trước) hay Mythos của Anthropic trong các bài đánh giá an ninh mạng như ExploitBench, nơi Astra đạt điểm 100%. Tuy nhiên, các khả năng này về cơ bản phù hợp với dự báo về khả năng hack ngày càng tăng của AI mà cả OpenAI và Anthropic đã đưa ra nhiều tháng qua.

Lời khuyên cho doanh nghiệp Việt Nam

Các chuyên gia an ninh mạng nhấn mạnh rằng các biện pháp phòng thủ kỹ thuật số cơ bản và các thực hành tốt lâu đời vẫn còn hiệu quả trước làn sóng AI tấn công mới. Tuy nhiên, AI đặt các tổ chức và hệ thống chưa triển khai đầy đủ các biện pháp bảo vệ này vào tình trạng rủi ro cấp thiết hơn bao giờ hết.

Đối với các doanh nghiệp tại Việt Nam, đây là lời nhắc nhở quan trọng về việc phải ưu tiên cập nhật bản vá lỗ hổng thường xuyên, áp dụng xác thực đa yếu tố, và theo dõi sát sao các hệ thống quan trọng. Khi các mô hình AI như Astra trở nên phổ biến, việc chủ động nâng cao an ninh không còn là lựa chọn mà là điều bắt buộc.