Anthropic披露Claude三起网络安全事件，模型曾访问真实系统并获取未授权权限

7 月 30 日，Anthropic 发布报告称，在审查网络安全评估记录时发现三起事件，其中 Claude 模型在第三方评估环境中访问互联网，并进一步获得三个真实组织系统的未授权访问权限。

Anthropic 表示，此次审查覆盖 14.1 万次可能获得网络访问权限的评估运行，共发现三起相关事件。事件均发生在 Capture The Flag（CTF）网络安全测试中，模型原本被告知环境为模拟环境且无互联网访问权限，但由于评估合作方配置错误，实际环境存在互联网连接。

其中，Claude Opus 4.7 在一次测试中访问了真实公司基础设施，并获取包含数百条生产数据记录的数据库权限；Claude Mythos 5 曾构建恶意 Python 软件包并上传至 PyPI，导致该软件包被 15 个真实系统下载运行；另一内部研究测试模型扫描约 9000 个目标后，通过公开漏洞访问了一家公司互联网应用。

Anthropic 称，这些事件并非模型主动寻求逃逸或追求自身目标，而是模型错误认为真实系统属于测试范围，并继续执行被赋予的网络攻击任务。其中，较新的内部研究模型在识别目标可能为真实系统后停止攻击。

Anthropic 表示，此次事件主要反映评估环境隔离和运营流程问题，而非模型对齐失败。公司已暂停相关网络安全评估，加强评估环境安全控制、持续监控测试记录，并将与第三方机构合作开展进一步审查。