Bài viết này do AI tạo ra, có thể mắc sai sót.
Theo OpenAI, đối tượng cố tái tạo reasoning nội bộ dưới dạng người yêu cầu có thể nhìn thấy, rồi dùng kết quả để huấn luyện hoặc cải thiện mô hình khác. Reasoning được bảo vệ có thể chứa thông tin hệ thống cố ý không đưa vào câu trả lời cuối.
Hoạt động bắt đầu ở quy mô thấp từ 1/7. Một kỹ thuật là sao chép reasoning đã mã hóa từ cuộc trò chuyện này rồi yêu cầu model ở cuộc trò chuyện khác giải mã và chép lại. OpenAI xác nhận nghiên cứu độc lập đã báo cáo có trách nhiệm các đường tấn công liên quan qua model và conversation compaction.
OpenAI cho biết đã hạn chế hoặc cấm account gian lận, siết đăng ký và hạ tầng, mở rộng theo dõi network liên quan. Hãng nói đã đóng đường cho phép replay reasoning mã hóa để khôi phục nội dung, thêm kiểm tra để giữ output stream có nguy cơ lộ reasoning, và phối hợp dịch vụ bên thứ ba.
Không chỉ bảo vệ API key hay database. Hệ thống có reasoning artifact có thể mang đi, replay hoặc qua tool phải có kiểm soát riêng: rate limit theo hành vi, phát hiện pattern, cô lập output nhạy cảm, quan sát cross-tenant và quy trình chia sẻ threat intel.
Sự kiện cho thấy model theft không nhất thiết bắt đầu bằng zero-day. Khai thác quy trình tương tác ở quy mô lớn vẫn có thể làm lộ tín hiệu huấn luyện có giá trị. Tuy vậy, đây là thông tin do OpenAI tự công bố; chi tiết kỹ thuật độc lập, phạm vi tác động và attribution chưa đủ để suy rộng thành kết luận về mọi mô hình. Đội triển khai agent nên giữ human review với tool-output, giảm khả năng replay artifact và chuẩn bị playbook khóa account khi phát hiện hành vi đồng loạt.
OpenAI, “Disrupting a coordinated model-distillation campaign”, 30/09/2026; nghiên cứu được OpenAI dẫn chiếu về cross-model và conversation-compaction vulnerabilities.
