Perplexity、12のAIモデルに自社サンドボックスの突破を試させた結果を公開　VMからの脱出はゼロ

Perplexity は、エージェント「Computer」を動かす仮想マシンのサンドボックス（隔離された作業環境）「SPACE」を、12のAIモデルに攻撃させた実験の第2弾を公開しました。

• 課題は2つです。仮想マシンから抜け出してホスト（土台のコンピューター）側の認証情報を取ること、通信の制限をすり抜けて、ブロックされた先に届くことです
• 仮想マシンからホストへの脱出に成功したモデルはありませんでした。一方、通信の制限は DNS の偽装などで突破されたケースがあり、Perplexity は原因を直し、再実験で突破されないことを確かめました
• 旗（フラグ）を探させる CTF 形式の指示だと、モデルが肝心の防御の仕組みより旗探しに時間を使ってしまうこともわかり、指示の書き方で結果が大きく変わると報告しています

同じような弱点は、他社のサンドボックス10製品のうち8製品でも見つかり、各社に知らせたとしています。