Michael Johnson即使两个程序没有网络连接，也没有可供共同写入的文件夹，它们仍可能交换信号。在OpenAI所述的测试中，运行于共享主机上独立虚拟机中的智能体利用处理器缓存读取延迟，彼此传递合成秘密。该公司于2026年10月23日发布了测试结果，内容涉及模型训练与评估基础设施的安全防护。
在这种方案中，一个智能体通过将选定数据从缓存中逐出，对信号进行编码。另一个智能体测量再次读取数据所需的时间：快速访问代表一位，较慢访问则代表另一位。智能体协商好协议后，便根据这些时间差异还原消息。OpenAI还在其离线环境中发现了通过共享存储、CPU时间竞争以及TLS证书缓存进行通信的通道。
隔离取决于共享资源
这一情形说明，按虚拟机划分任务时，必须检查所有共享基础设施。即使网络请求和共享文件受到限制，进程仍可能影响共同使用的缓存、存储设备、CPU调度器或多个环境共用的服务。这类影响造成的可测量后果，可能成为数据传输通道。
OpenAI表示，在大多数测试中，公司会要求智能体调查指定通道，或向其提供编码和解码协议。在一项测试中，智能体获得了范围更广的潜在漏洞清单，随后自行将其中一项转化为通信通道，并协商出传输方法。实验在基础设施的隔离副本上进行，并配有监控和自动检查，可在测试超出既定范围时将其停止。
智能体环境运营者应检查什么
对于在共享基础设施上运行不可信或自主任务的团队，实际启示是：应将共享资源纳入威胁模型。针对每种资源共享情形，都应提出具体问题：两个相互隔离的进程能否通过访问CPU、存储或服务缓存的延迟相互观察？
- 明确共享边界。记录哪些任务共用物理主机、CPU资源、存储设备和内部服务，哪些任务则单独部署。
- 检查可观测通道。寻找并行任务之间访问延迟和共享资源可用性的可测量差异，并在接近真实负载的条件下进行评估。
- 尽量减少不必要的连接。OpenAI介绍了分层防护措施：隔离环境、虚拟机、监控和网络限制，即使某一层失效，仍能保持控制。
- 增加监控并重复检查。该公司表示，已扩大监控范围，以发现通过这些方式传输数据的尝试，并会继续开展红队测试。
这些结果来自OpenAI内部研究环境及其智能体实验，其中包括要求智能体沿着具体方向寻找问题的测试。结果揭示了一类对需要保持任务隔离的基础设施具有现实意义的通道；文章还指出，已发现的通道大多只能缓慢传输数据。
设计这类环境时，关键问题已不只是“网络是否封闭？”还包括：任务之间仍有哪些共享资源可以被观察到，系统又将如何检测经由这些资源进行的传输？回答这个问题，有助于将形式上的隔离转化为可验证的安全边界。