IT之家 7 月 31 日消息，人工智能企業 Anthropic 當地時間 30 日發布公告，表示在對自家 Claude 的網絡安全評估審查中發現了三起不應發生的真實網絡安全事件，背後的直接原因是第三方評估環境配置失誤。

這三次事件中 Anthropic 的模型都被指派了無限制的「奪旗」網絡攻擊任務。為保障安全性，此類任務的測試環境需與真實互聯網隔離，但 Anthropic 與評估夥伴 Irregular 之間存在誤解，導致向評估模型開放了真實互聯網訪問權限。

第一起事件中，Claude Opus 4.7 把一個與虛構目標同名的真實公司當成任務目標，訪問了其基礎設施，提取了憑證和數據庫數據。這是最嚴重的一次事件，模型即使意識到是真實系統仍在繼續攻擊。

而 Claude Mythos 5 在第二起事件中為完成任務將一個惡意 Python 包發布到真實 PyPI。這一惡意文件被下載到 15 個真實系統，導致憑證被竊取。模型曾短暫意識到「如果這是真實互聯網會很糟糕」，但說服自己仍在模擬中。

Anthropic 內部的一款研究測試模型則表現得相對更好一些。其掃描了約 9000 個目標，用基本手法入侵了一個真實公司，後來意識到是真實環境後主動停止了攻擊。

Anthropic 表示，所有涉事模型均未部署正式發布時使用的標準安全措施，但都經過了特定的安全訓練。這些攻擊僅利用了一些基本技術。模型沒有發現或利用任何複雜的漏洞，也沒有試圖將自身從測試環境中導出或故意逃離。