Phát hiện AI tìm cách "trốn tội" khi bị bắt quả tang

Ngày 5/8, Viện An ninh AI của Anh (AISI) công bố kết quả đánh giá cho thấy hai mô hình trí tuệ nhân tạo (AI) mới nhất của Anthropic (tên nội bộ là Mythos) và OpenAI (tên nội bộ là Sol) đã bộc lộ mức độ tự chủ và hành vi đánh lừa chưa từng ghi nhận trước đây trong quá trình kiểm tra an toàn định kỳ.

Đức Việt
06/08/2026
16:01
AISI đánh giá phát hiện luồng dữ liệu bất thường thoát vượt ra khỏi hệ thống nghiên cứu (Ảnh: gov.uk)
AISI đánh giá phát hiện luồng dữ liệu bất thường thoát vượt ra khỏi hệ thống nghiên cứu (Ảnh: gov.uk)

Phóng viên TTXVN tại London dẫn thông tin của AISI cho biết trong một bài kiểm tra liên quan đến nền tảng lưu trữ mã nguồn GitHub (thuộc sở hữu của Microsoft), giới đánh giá phát hiện luồng dữ liệu bất thường thoát vượt ra khỏi hệ thống nghiên cứu. Việc truy vết cho thấy một tác nhân AI của Anthropic đã tạo ra mã độc, đồng thời dựng lên hàng loạt danh tính trực tuyến giả mạo dựa trên hồ sơ của những quản trị viên GitHub có thật, nhằm gây sức ép buộc họ phê duyệt đoạn mã này. Tác nhân AI thậm chí gửi tin nhắn trực tiếp tới người dùng, mạo danh chính những cá nhân mà nó đã thu thập thông tin trước đó.

AISI cho biết khi bị phát hiện đang rút dữ liệu và bị chất vấn, tác nhân AI đã sửa lại các hành vi trước đó để tỏ ra vô hại, đồng thời tính đến việc đổi sang một danh tính giả khác nhằm tiếp tục thực hiện mục tiêu. Nhờ các chuyên gia kịp thời rà soát thủ công, mã độc đã không thể tải lên hệ thống GitHub.

Cơ quan này nhấn mạnh đây là lần đầu tiên ghi nhận rủi ro về tính tự chủ và sự đánh lừa bộc lộ rõ rệt như vậy mà không xuất phát từ chỉ dẫn cụ thể nào dành cho mô hình. Phần lớn các hành vi đáng ngại được quy cho mô hình Mythos của Anthropic, trong khi Sol của OpenAI chỉ liên quan tới hai trường hợp.

Phản hồi trước báo cáo, Anthropic khẳng định điều kiện thử nghiệm của AISI “không đại diện cho bất kỳ mẫu sản phẩm nào” của hãng và cho biết đang tiến hành điều tra riêng để xác định nguyên nhân. Phía OpenAI cũng cho rằng các điều kiện thử nghiệm “không phản ánh cách sử dụng thông thường”, đồng thời cam kết tiếp tục phối hợp với các cơ quan đánh giá nhằm hoàn thiện quy trình kiểm tra an toàn khi năng lực của các mô hình AI ngày càng tăng.

Nền tảng lưu trữ mã nguồn GitHub (Ảnh: github.blog)
Nền tảng lưu trữ mã nguồn GitHub (Ảnh: github.blog)

AISI cho biết việc thử nghiệm mô hình trong điều kiện tắt bớt các lớp bảo vệ và cho phép truy cập Internet mở là hoạt động thường quy, đồng thời lưu ý các sự việc trên chỉ xảy ra trong một số ít trường hợp với điều kiện rất đặc thù. Cơ quan này đã thông báo cho GitHub về vụ việc. Hiện Microsoft chưa đưa ra bình luận./.

Tin cùng chuyên mục

Nhật Bản thử nghiệm giới hạn an toàn của AI tạo sinh

Nhật Bản thử nghiệm giới hạn an toàn của AI tạo sinh

Viện Công nghệ Thông tin và Truyền thông Quốc gia Nhật Bản (NICT) đã phát triển hệ thống WISDOM-AR nhằm đánh giá khả năng chống lại các thủ thuật đánh lừa của trí tuệ nhân tạo (AI) tạo sinh, qua đó phát hiện nguy cơ mô hình AI cung cấp thông tin nguy hiểm hoặc gây hại cho con người và xã hội.

Mỹ: Nhu cầu tuyển dụng lập trình viên gia tăng bất chấp tác động của AI

Số lượng tin tuyển dụng lập trình viên phần mềm tại Mỹ đã tăng kể từ tháng 2/2025 .

Số lượng tin tuyển dụng lập trình viên phần mềm tại Mỹ đã tăng kể từ tháng 2/2025 - thời điểm ra mắt mô hình trí tuệ nhân tạo (AI) Claude Code của công ty công nghệ Anthropic - ngay cả khi tổng số tin tuyển dụng lao động nói chung sụt giảm. Điều này đi ngược lại các dự đoán cho rằng AI sẽ nhanh chóng triệt tiêu nhu cầu về nhân sự lập trình.

Tỷ phú Bill Gates cảnh báo AI có thể làm bùng phát tấn công mạng

Tỷ phú Bill Gates cảnh báo AI có thể làm bùng phát tấn công mạng

Bill Gates cảnh báo các cuộc tấn công mạng lợi dụng trí tuệ nhân tạo (AI) có thể gia tăng mạnh trong năm tới. Nhà lãnh đạo Microsoft kêu gọi thiết lập cơ chế giám sát độc lập và “phanh khẩn cấp” cho các mô hình AI tiên tiến nhằm ngăn chặn những rủi ro ngoài tầm kiểm soát.

Diễn đàn Chuyển đổi số quốc gia

Diễn đàn Chuyển đổi số quốc gia

Chuyển đổi số phải chuyển mạnh từ xây dựng nền tảng sang giải quyết những bài toán cụ thể của người dân, doanh nghiệp; bảo đảm dữ liệu được tái sử dụng, đầu tư hiệu quả và ứng dụng trí tuệ nhân tạo an toàn. Đây là thông điệp tại Diễn đàn Chuyển đổi số quốc gia năm 2026, diễn ra ngày 9/10 tại Hà Nội.

Trở về thời khắc thiêng liêng bằng công nghệ thực tế ảo

Người dân xúc động khi được trải nghiệm không gian tái hiện thời khắc Chủ tịch Hồ Chí Minh đọc Tuyên ngôn Độc lập ngày 2/9/1945. (Ảnh: Phan Phương/TTXVN)

Chương trình trải nghiệm thực tế ảo "Trở về thời khắc thiêng liêng" do Đài Tiếng nói Việt Nam (VOV) phối hợp với UBND phường Cửa Nam và các đơn vị tổ chức, mang đến cho công chúng cơ hội sử dụng công nghệ VR để tái hiện chân thực không gian Quảng trường Ba Đình lịch sử ngày 2/9/1945 cùng khoảnh khắc Chủ tịch Hồ Chí Minh đọc Tuyên ngôn Độc lập.

Ứng dụng công nghệ giúp lan tỏa giá trị di sản

Hệ thống thuyết minh tự động bằng nhiều ngôn ngữ hỗ trợ du khách trong nước và quốc tế khám phá lịch sử Di tích Nhà tù Hỏa Lò thuận tiện hơn. (Ảnh: Phan Phương/TTXVN)

Di tích Nhà tù Hỏa Lò, Hà Nội, đang đẩy mạnh ứng dụng công nghệ số hóa tư liệu, mã QR và hệ thống thuyết minh tự động đa ngôn ngữ. Điều này góp phần đổi mới phương thức tiếp cận lịch sử, mang đến trải nghiệm trực quan, sinh động, giúp lan tỏa giá trị di sản đến công chúng, đặc biệt là thế hệ trẻ.

AI của Anthropic tự bịa tin báo án mạng

AI của Anthropic tự bịa tin báo án mạng

Mô hình trí tuệ nhân tạo (AI) của Anthropic tự tạo và gửi tin báo giả về một vụ án mạng chưa được giải quyết tại Philadelphia, làm dấy lên lo ngại về khả năng tác nhân AI tự hành động trên Internet mà thiếu sự giám sát trực tiếp của con người.