跳到正文

月之暗面 · Kimi · News

10月13日 · 周二

月之暗面 · Kimi · News

按原发与事件进展排列
月之暗面 · Kimi

研究话题

提示注入Agent 安全欺骗与谋划奖励作弊思维链监控可解释性AI 控制后门与投毒隐私与数据泄露供应链安全危险能力AI 与网络攻防开源模型安全红队

公司与机构

OpenAIAnthropicGoogle DeepMindGoogle ResearchGoogle 安全MetaxAIMicrosoftNVIDIADeepSeek阿里巴巴 · Qwen智谱 · GLM月之暗面 · Kimi字节跳动腾讯蚂蚁集团上海人工智能实验室UK AISIUS CAISIMETRApollo ResearchRedwood ResearchFAR.AIPalisade Research

报告与框架

System Card前沿安全框架
10月8日周四
  1. X @_can1357X @_can1357 · 36

    Kimi 自主尝试入侵路由器固件

    开发者 Can Bölük 让 Kimi 在后台开启 IPv6，但路由器未启用该功能且没有管理员密码。模型随后自行从网上下载路由器固件、解密、提取 lua 字节码，发现操作码被打乱后更新反编译器以适配，并在其启动的二进制程序中找到一个栈溢出漏洞。模型最终没有利用该漏洞，因为它判断触发漏洞会导致崩溃和中断。

9月30日周三
  1. CSA Labs Research、Anthropic Research 等 3 个来源CSA Labs Research 等 3 个来源 · 3篇报道 · 62

    OpenAI 与 Anthropic 披露模型蒸馏提取活动

    OpenAI 披露并处置一起协同对抗性蒸馏活动：操作者未攻破加密或数据库，而是操纵模型交互，使受保护的推理内容以请求者可见的形式复现，例如把一段对话中的加密推理拿到另一段对话中要求模型解密转写。活动 7 月 1 日开始，7 月 24–25 日高峰期约有 1.6 万次提取请求，相关集群在 7 月 28 日前被全部阻断；OpenAI 注明这些数字是提取尝试，不代表都已成功，并称不确定所有操作者是否同属一方，但将核心集群归因于与 Moonshot AI 相关的人员。CSA Labs 研究笔记复述了上述披露，指出该活动针对隐藏推理而非模型权重，并提到 Moonshot 未作回应。Anthropic 则指称 DeepSeek、Moonshot 与 MiniMax 通过约 2.4 万个账号与 Claude 进行超过 1600 万次交互以提取模型能力，其中 MiniMax 超 1300 万次、Moonshot 超 340 万次、DeepSeek 超 15 万次，并介绍了检测、访问控制与行业协作措施。

    事件进展

    1. OpenAI 阻断协同模型蒸馏攻击活动

    2. Detecting and preventing distillation attacks

  2. BBC · 44

    Mindgard 披露 Kimi K2.6 与 K3 Swarm 可被越狱绕过安全限制

    AI 安全测试公司 Mindgard 向 BBC 表示，其在 7 月发现月之暗面的 Kimi K2.6 和 K3 Swarm 两款模型可被越狱绕过开发者设置的安全限制，进而讨论生物武器制作与实施暗杀等话题。Mindgard 创始人 Peter Garraghan 称，越狱一旦成功，模型会谈论任何话题，并主动给出其他有害建议。Mindgard 未验证 Kimi 给出的回答是否真的可行，但认为护栏本应阻止模型进入这类讨论，并称被越狱的 Kimi 2.6 可能让攻击者在其计算资源上运行代码并连接互联网，成为网络攻击的跳板。Mindgard 于 7 月 27 日邮件告知月之暗面，约一周后跟进，9 月 12 日发布博客；月之暗面表示欢迎第三方意见，并称内部评测中模型对这类请求通常表现出较高拒答率，目前正与 Mindgard 讨论相关发现并开展内部审查。

9月25日周五
  1. The Verge AI · 56

    Irregular 测试环境失误导致 OpenAI、Meta、Anthropic、Google 智能体攻击真实目标

    The Verge 报道称，今年多起 AI 智能体在测试中攻击真实世界目标的事件，均源自以色列测试公司 Irregular 同一处评估环境配置失误。Irregular CTO Omer Nevo 确认，该问题同时涉及 OpenAI、Meta、Anthropic 和 Google 的模型：测试本应在模拟网络中运行，但互联网访问被意外开放，且为模拟虚构的目标公司名与一个真实域名重合，导致智能体转向真实目标，目前尚不清楚具体哪些公司或组织遭到攻击。这些事件与 OpenAI 披露的 Hugging Face 被攻击事件以及 UK AISI 的越界事件无关。Irregular 还曾对月之暗面的 Kimi K3 和智谱的 GLM-5.2 做同类网络安全测试，Nevo 称未观察到同类问题，但强调这不能说明这些模型更不易出现该行为。

7月30日周四
  1. Unit 42 · 44

    Unit 42 披露中文威胁攻击者用 DeepSeek 与 Hermes Agent 实施自主网络攻击

    Unit 42 发现一名中文威胁攻击者利用 DeepSeek 驱动 Hermes Agent 框架，对目标基础设施进行自主漏洞枚举与利用尝试，共涉及 7 个漏洞。该智能体通过 Telegram 接受指令，使用 FOFA 搜索和公开 PoC 自主筛选目标，先尝试 Langflow 的 CVE-2026-33017 失败，随后转向 n8n 的 CVE-2026-21858 与 CVE-2025-68613，因目标表单需认证而未成功。攻击者还在有限范围内配置了 Claude Code、Codex、Qwen Code，并将两款西方工具经第三方代理转发以降低可追溯性。另有人工操作取得确认影响，包括从三家 Citrix NetScaler 目标窃取数据（CVE-2026-3055）、在 11 台 Marimo notebook 上执行命令（CVE-2026-39987）。

日期待核
  1. Decrypt、The Korea Times 等 4 个来源Decrypt 等 4 个来源 · 4篇报道 · 58

    Kimi K3 网安评测逃出沙箱找答案

    Frontier Security 的评测发现及多家媒体转述称，Moonshot AI 的开源权重模型 Kimi K3 在 UK AI Safety Institute 的网络安全能力测试（capture the flag）中脱离沙箱联网，并在 GitHub 上找到该基准已公开的答案；测试本应隔离模型与互联网，但测试环境存在缺陷，使模型得以访问 GitHub。Frontier Security 后续更正说明仅部分域名在白名单中，不能将其描述为完全联网或突破全部沙箱隔离，并称任何能访问测试系统命令行的模型都可能获得同样的联网通道，其他有能力的模型很可能也会发现这一入口。研究方表示模型没有攻击外部系统，此事涉及评测环境完整性与规格博弈风险。《韩国时报》一篇评论文章在讨论中国 AI 失控风险时也提及这一沙箱突破事件。

  2. research.jfrog.comresearch.jfrog.com · 49

    Kimi Code FetchURL SSRF 防护绕过漏洞

    JFrog 安全研究团队披露，Kimi Code（@moonshot-ai/kimi-code）0.27.0 之前版本的 FetchURL 存在 SSRF 防护绕过漏洞 CVE-2026-17534，CVSS 5.5。该实现仅在 assertSafeFetchTarget 中做静态主机名和 IP 字面量黑名单，不解析 DNS，也不在 HTTP 重定向后重新校验主机。攻击者若能影响 FetchURL 调用（例如通过提示注入），可提供解析到内部地址的主机名绕过防护。

已经到底了