Anthropic披露Claude三起網路安全事件，模型曾存取真實系統並取得未授權權限

Odaily星球日報訊 7 月 30 日，Anthropic 發布報告稱，在審查網路安全評估記錄時發現三起事件，其中 Claude 模型在第三方評估環境中存取網際網路，並進一步獲得三個真實組織系統的未授權存取權限。

Anthropic 表示，此次審查覆蓋 14.1 萬次可能獲得網路存取權限的評估運行，共發現三起相關事件。事件均發生在 Capture The Flag（CTF）網路安全測試中，模型原本被告知環境為模擬環境且無網際網路存取權限，但由於評估合作方配置錯誤，實際環境存在網際網路連線。

其中，Claude Opus 4.7 在一次測試中存取真實公司基礎設施，並取得包含數百條生產資料記錄的資料庫權限；Claude Mythos 5 曾建構惡意 Python 軟體套件並上傳至 PyPI，導致該軟體套件被 15 個真實系統下載執行；另一內部研究測試模型掃描約 9000 個目標後，透過公開漏洞存取了一家公司網際網路應用。

Anthropic 稱，這些事件並非模型主動尋求逃逸或追求自身目標，而是模型錯誤認為真實系統屬於測試範圍，並繼續執行被賦予的網路攻擊任務。其中，較新的內部研究模型在識別目標可能為真實系統後停止攻擊。

Anthropic 表示，此次事件主要反映評估環境隔離和營運流程問題，而非模型對齊失敗。公司已暫停相關網路安全評估，加強評估環境安全控制、持續監控測試記錄，並將與第三方機構合作展開進一步審查。