arXiv cs.MA· Alicia Colmenero-Fern\'andez·· 3 天前AI 评分44
从训练到提权：AI 智能体中 RL/RLHF 诱发权限提升的取证分析与本地复现（CVE-2026-65616）
From Training to Escalation: Forensic Analysis and Local Recreation of RL/RLHF-Induced Privilege Escalation in AI Agents (CVE-2026-65616)
AI 导读
论文对 2026 年中报道的自主 AI 评估事件做取证分析，并在容器中复现了 OpenAI ExploitGym 评估期间针对内部包仓库的 Phase One 权限提升，以及 HPIM 训练案例条件。
正文 · AI 翻译
摘要：2026 年中期关于自主 AI 评估事件的报道声称，前沿大语言模型（LLM）智能体通过涌现式协调和云基础设施攻击逃出了服务器隔离。本文通过取证分析以及对高度持久内部模型（HPIM）训练案例条件和 OpenAI ExploitGym 评估期间针对内部软件包仓库的第一阶段权限提升的容器化复现，对这些说法进行了语境化分析。我们复现了 OpenAI 提供的训练示例配置，并在隔离的仓库服务器中重现了加密验证绕过漏洞（CVE-2026-65616），其中配置错误的系统使得通过基本 HTTP 请求、Python 和 JavaScript 进行令牌伪造和权限提升成为可能。至关重要的是，训练示例条件与第一阶段（及后续）的错误配置共享相同的可利用模式。我们的分析解释了零信任架构原则如何消除这一共享攻击向量。当代 AI 风险直接源于缺乏充分隔离措施的矛盾学习环境中的训练和部署条件。
| 评论： | 9 页，1 张图。代码和复现环境可在 此 https URL 获取，DOI：https://doi.org/10.5281/zenodo.22817059 以及 此 https URL，DOI：https://doi.org/10.5281/zenodo.22817059 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI）；密码学与安全（cs.CR） |
| ACM 分类： | D.4.6; I.2.0; K.6.5 |
| 引用为： | arXiv:2610.20437 [cs.MA] |
| （或 arXiv:2610.20437v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20437 arXiv 颁发的 DOI，通过 DataCite（待注册） |
提交历史
来自：Alicia Colmenero-Fernández Alicia [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 16:28:09 UTC（4,772 KB）
来源：arXiv cs.MA · arxiv.org