Større bug bounty-belønninger til dem, der beskytter os
Vi øger belønningerne i OpenAI's bug bounty-program for sikkerhed for at give uafhængige forskere endnu større incitament til at finde sårbarheder i OpenAI-software, som vores test kan have overset. Vi indfører også nye incitamenter, så forskere kan tjene mere på sårbarhedsrapporter af højere kvalitet.
Uafhængige sikkerhedsforskere spiller en afgørende rolle i at beskytte teknologi på tværs af branchen. Hos OpenAI er incitamenter til ansvarlig indberetning en central del af vores sikkerhedsmodel. De supplerer vores arbejde med Defense Factory, hvor vores ingeniører bruger vores modeller til at finde svagheder, genskabe dem og teste rettelser.
Dagens opdateringer skal motivere forskere og give dem bedre muligheder samt videreudvikle et samarbejdsorienteret sikkerhedsmiljø med fællesskabet i centrum.
Vi mere end firedobler i gennemsnit midtpunktet i vores belønningsintervaller for fund med middel, høj og kritisk alvorlighedsgrad. En kritisk sårbarhed i et kerneprodukt som ChatGPT, Codex eller API-platformen vil nu udløse op til 30.000 USD. Ekstraordinære kritiske fund i disse produkter kan fortsat udløse op til 100.000 USD – og nu op til 172.000 USD med bonusser. Du kan finde alle detaljer i vores bug bounty-program for sikkerhed(åbner i et nyt vindue).
Rapporter af høj kvalitet kan udløse en bonusfaktor, der ganges med grundbelønningen. Et pålideligt proof of concept, der isolerer fejlen, viser, hvornår den kan udnyttes, og demonstrerer konsekvenserne, giver os et forspring i arbejdet med at rette den. Kvalitetsfaktoren belønner det ekstra arbejde, der gør et fund særligt nyttigt.
For at opbygge langsigtede relationer og løbende styrke vores sikkerhedsfællesskab indfører vi et loyalitetsprogram med bonusser på flere niveauer. Systemet har fem niveauer med stigende bonusser, der anerkender, støtter og hylder de forskere, som vedvarende samarbejder med os om at gøre AI-teknologi sikrere for alle.
For at understøtte fællesskabets engagement i takt med teknologiens udvikling vil prioriterede kampagner have særlige bonuspuljer til nyligt lancerede funktioner. Disse kortvarige kampagner giver forskere mulighed for at teste nyheder tidligt med udsigt til store belønninger og blive anerkendt for deres tidlige bidrag.
Eksempel på sårbarhed | Eksempel på tidligere belønning | Eksempel på ny beregning af udbetaling | Ny belønning |
Middel – ChatGPT (kerneprodukt): Et medlem med kun læseadgang kan uploade filer til et projekt uden skrivetilladelse. | 750 USD | 2.000 USD × 1,15 kvalitetsbonus × 1,05 loyalitetsbonus på bronzeniveau | 2.415 USD |
Høj – Prism (ikke-kerneprodukt): IDOR, der gør det muligt at læse en fil uploadet til en brugers projekt | 1.000 USD | 2.500 USD × 1,15 kvalitetsbonus × 1,10 loyalitetsbonus på guldniveau | 3.162,50 USD |
Kritisk – ChatGPT (kerneprodukt): Kontoovertagelse uden klik fra brugeren. | 6.500 USD | 30.000 USD × 1,15 kvalitetsbonus × 1,30 bonus for prioriteret kampagne × 1,15 loyalitetsbonus på 31337-niveau | 51.577 USD |
Ekstraordinær – ChatGPT (kerneprodukt): Væsentligt brud på en sikkerhedsgrænse (f.eks. mulighed for at se vilkårlige ChatGPT‑brugeres chatbeskeder). | 100.000 USD | 100.000 USD × 1,15 kvalitet × 1,30 prioriteret kampagne × 1,15 loyalitet på 31337-niveau | 171.925 USD |
Alle scenarier og tidligere belønninger er illustrative eksempler.
Hvis du allerede har indsendt en rapport, og vi endnu ikke har tildelt en belønning, bruger vi de nye belønningsintervaller. For belønninger, vi har tildelt i de 30 dage før denne meddelelse, udbetaler vi differencen, hvis dit fund ville have udløst mere med de nye intervaller (grundbelønning + loyalitetsbelønninger).
Den 20.–21. november deltager vores sikkerhedsteam i PROMPT2PWN(åbner i et nyt vindue) i Oakland, hvor forskere kan teste systemer på stedet. Hvis du deltager, vil vi meget gerne høre, hvad du har arbejdet på, og hvordan vi kan samarbejde med dig.
Tak til alle, der har taget sig tid til at undersøge et spor og indberette det til os. Vi ønsker, at OpenAI skal være et team, du vender tilbage til, når du finder noget, vi har overset.


