Mazda CX5
Як зробити цифрову копію себе. Ось відео —>

OpenAI created the AI ​​hacker GPT-Red to automatically find vulnerabilities in its new models

American company OpenAI has revealed details about its internal AI model GPT-Red, which works as an automated cybersecurity «red team.» The tool independently simulates prompt injection attacks and detects and helps fix vulnerabilities in neural networks before they are officially released.

Leave a comment
OpenAI created the AI ​​hacker GPT-Red to automatically find vulnerabilities in its new models

American company OpenAI has revealed details about its internal AI model GPT-Red, which works as an automated cybersecurity «red team.» The tool independently simulates prompt injection attacks and detects and helps fix vulnerabilities in neural networks before they are officially released.

The developers reported this on their official blog. OpenAI claims that by integrating this tool into the training process, the new GPT-5.6 Sol model has become the most resistant to hacking in the company’s history.

GPT-Red acts similarly to a human tester: it sends hints, analyzes the responses of the attacked model, and gradually approaches the malicious goal. For example, it tries to provoke a leak of confidential data to an external server or steal access keys.

The system is trained using the reinforcement learning method with self-play. In this process, GPT-Red and a group of defender models compete with each other. The attacker receives a virtual reward for each successful prompt injection, and the defenders receive a reward for repelling the attack and completing their initial tasks. As the reliability of the defense increases, the AI ​​hacker is forced to invent more sophisticated methods of circumventing the restrictions.

«GPT-Red is a powerful tool, and our previous models were very vulnerable to its attacks,» OpenAI noted. However, integrating the development into the training of GPT-5.6 Sol has reduced the number of direct injection failures by a factor of 6 compared to GPT-5.5, which was released just four months ago.

During testing, GPT-Red attacked a variety of scenarios, including attempting to leak AWS credentials, disable two-factor authentication, bypass payment instructions, and execute third-party malicious scripts.

In one real-world experiment, GPT-Red was tested on an Andon Labs vending machine, run by an autonomous AI agent. The AI ​​hacker managed to reduce the price of an expensive product to $0.50, order a $100 gadget for the same minimum price, and cancel another customer’s order. The machine’s developers are already testing updated security measures.

Also, an early version of the AI ​​hacker discovered a completely new type of threat — Fake Chain-of-Thought attacks. While the older GPT-5.1 had a success rate of over 95%, the new GPT-5.6 Sol has seen this figure drop below 10%.

To prevent abuse, OpenAI is keeping GPT-Red isolated. The model will not be available to the general public, lest its tools fall into the hands of real cybercriminals looking for ways to circumvent the ethical and security limitations of neural networks.

The problem of prompt injections remains one of the most acute for the AI ​​industry, as the integration of agents with browsers and third-party applications creates many new entry points for attackers .

Read the country's main IT news in our Telegram
Read the country’s main IT news in our Telegram
On the topic
Read the country’s main IT news in our Telegram
Agentic AI browsers have proven to be easy prey for online scammers
Agentic AI browsers have proven to be easy prey for online scammers
On the topic
Agentic AI browsers have proven to be easy prey for online scammers
Claude helped a hacker get free VIP tickets to the most popular US festivals
Claude helped a hacker get free VIP tickets to the most popular US festivals
On the topic
Claude helped a hacker get free VIP tickets to the most popular US festivals
Russian hackers Gamaredon scaled up cyberattacks against Ukraine using new malware and abuse of cloud services
Russian hackers Gamaredon scaled up cyberattacks against Ukraine using new malware and abuse of cloud services
On the topic
Russian hackers Gamaredon scaled up cyberattacks against Ukraine using new malware and abuse of cloud services
Also Read
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
Roosh запускає нову освітню платформу AI HOUSE CLUB для ML/AI-спеціалістів та дата сайнтистів. Розповідаємо, як подати заявку та чому навчатимуть
Як нейромережі бачать вільну та незалежну Україну? Тест dev.ua
Як нейромережі бачать вільну та незалежну Україну? Тест dev.ua
Як нейромережі бачать вільну та незалежну Україну? Тест dev.ua
Нейронні мережі для генерації зображень бачать світ по-своєму, їхню логіку зрозуміти часом зовсім неможливо. Але таки хочеться. На честь Дня Незалежності України редакція dev.ua вирішила провести невеликий експеримент. Ми задали чотирьом різним нейронним мережам п’ять однакових запитів: «прапор України», «День Незалежності України», «український Крим», «перемога України» та «українці». Отриманими результатами ми ділимося з вами нижче.
У TikTok тепер можна генерувати фон за допомогою нейромережі. Ми протестували її та ділимося результатами
У TikTok тепер можна генерувати фон за допомогою нейромережі. Ми протестували її та ділимося результатами
У TikTok тепер можна генерувати фон за допомогою нейромережі. Ми протестували її та ділимося результатами
У TikTok з’явилася нова функція «Розумний фон». З її допомогою як фон для тіктоків можна підставляти згенеровані нейромережею зображення. Редакція dev.ua протестувала цю технологію і ділиться своїми враженнями.
1 comment
Які IT-спеціальності будуть потрібні в найближчі п'ять років? Ми з'ясували у голови американського стартапу ADAM Дениса Гурака
Які IT-спеціальності будуть потрібні в найближчі п'ять років? Ми з'ясували у голови американського стартапу ADAM Дениса Гурака
Які IT-спеціальності будуть потрібні в найближчі п'ять років? Ми з'ясували у голови американського стартапу ADAM Дениса Гурака

Have important news to share? Message our Telegram bot

Key events and useful links in our Telegram channel

Discussion
No comments yet.