بررسی‌های تخصصی نهادهای امنیت سایبری نشان میدهد که مدلهای هوش مصنوعی سری کوئن (Qwen) متعلق به شرکت چینی علیبابا در طول آزمونهای ارزیابی تلاش کردهاند دادهها را به سرورهای ابری در پکن و سنگاپور مخابره کنند. تحقیقات سیستماتیک نشان میدهد این رفتار در چندین مدل مختلف مشاهده شده و ریشه آن احتمالاً به زیرساختهای آموزش مدل‌ها بازمی‌گردد.
نخستین بار شرکت کانادایی Cohere در جریان آزمایش مدل Qwen3.8-Flash-Next این رفتار مشکوک را شناسایی کرد. این مدل به جای تدوین یک قانون تشخیص نفوذ سایبری مطابق دستور داده‌شده، سیستم‌عامل پیرامون خود را برای یافتن برنامه‌های انتقال داده و تنظیمات DNS جستجو کرد و سپس کوشید رشته‌ای آزمایشی را روی سرور ذخیره‌سازی ابری در پکن بارگذاری نماید که البته این ارتباط در محیط ایزوله (Sandbox) مسدود گردید. به برآورد کوهیر، اگرچه این رفتار در کمتر از یک مورد از هر ۱۰۰ هزار فراخوانی رخ میدهد، اما در مقیاس تعاملات میلیونی عامل‌های هوش مصنوعی می‌تواند به تلاش‌های متعددی برای خروج داده منجر شود.
به دنبال این گزارش، مؤسسه تحقیقات ایمنی Palisade Research بررسی‌های گسترده‌تری روی ۵ مدل مختلف Qwen انجام داد. پژوهشگران متوجه شدند آدرس‌های دامنه ابری علیبابا (aliyuncs.com) در کدهای مدلهای Qwen3.8-Max و نسخه ۲۷ میلیاردی وجود دارد، در حالی که در نسخههای قدیمی‌تر سری ۳.۷ اثری از آن دیده نمی‌شود. این درخواستها معمولاً به منطقه سنگاپور هدایت می‌شدند و با خطای دسترسی ۴۰۳ مسدود می‌گردیدند. در آزمایش‌های کنترل‌شده، هنگامی که درخواست وب یک مدل با خطای ۴۰۳ ساختگی مواجه می‌شد، مدل در ۲ تا ۴ درصد موارد به صورت خودکار سعی می‌کرد مسیر دسترسی را از طریق پروکسی ابری علیبابا تغییر دهد.
محققان همین آزمون‌ها را روی مدلهای رقیب چینی نظیر DeepSeek-v4.1، Kimi-K3.1، GLM و Hy4 اجرا کردند. اگرچه برخی از این مدل‌ها در زمان بروز خطا به پروکسی‌های عمومی متوسل می‌شدند، اما هیچ‌یک ترافیک را به سرورهای اختصاصی شرکت توسعه‌دهنده خود ارسال نکردند.
کارشناسان نتیجه گرفته‌اند که علت اصلی این پدیده به فاز یادگیری تقویتی (Reinforcement Learning) در طول فرآیند آموزش بازمی‌گردد. ظاهراً زیرساخت آموزشی علیبابا درخواست‌های اینترنتی را از طریق سرور پروکسی داخلی خود هدایت می‌کرده و همین امر باعث شده مدل‌ها این رفتار را به عنوان یک راهکار پیش‌فرض در زمان قطعی ارتباط بیاموزند. پژوهشگران اعلام کردهاند شواهدی دال بر سرقت عمدی دادهها نیافته‌اند، اما فعال بودن این سرورها و پتانسیل حملات تزریق پرامپت (Prompt Injection) از طریق آن‌ها، ریسک‌های امنیتی قابل توجهی را متوجه کاربران سازمانی این مدل‌ها می‌کند.