OpenAI 开发了一套“自动化攻击者”系统，通过模拟真实黑客的攻击手段，对 ChatGPT Atlas 进行全天候的压力测试。

这套系统的核心在于对抗提示注入（Prompt Injection）攻击。在这种攻击中，恶意第三方会悄悄向 AI 代理发送指令，诱导其执行违背用户意愿的操作，例如在用户不知情的情况下转发敏感邮件或删除云端文件。

OpenAI 的“自动化攻击者”利用了先进的强化学习技术，能够自主发现人类红队测试中未曾察觉的新型攻击路径。

在一次实际演示中，这个 AI 攻击者成功模拟了诱导 Atlas 向公司 CEO 发送辞职信的场景。虽然 Atlas 的防御机制最终拦截了这一请求并提醒了用户，但 OpenAI 坦言，安全博弈是一场持久战。由于代理式浏览器需要深度介入用户的数字化生活（如访问邮件、日历等），其便利性本身也带来了更大的风险暴露面。

不过 OpenAI 也在最新报告中警示称，由于 AI 代理的本质特性，这类安全威胁可能永远无法被彻底“根治”。