OC
Anthropic 追踪中国 Claude Code 用户,安全防护和秘密监控只隔一行代码
科技 · 2026-07-07 · 政策与安全 · 阅读 18

Anthropic 追踪中国 Claude Code 用户,安全防护和秘密监控只隔一行代码

据 Ars Technica 报道,Anthropic 被安全研究人员曝出曾在 Claude Code 中加入隐藏追踪机制,用来识别和标记疑似中国用户。这件事和前两天的阿里禁用 Claude Code、Anthropic 指控中国公司蒸馏 Claude 连在一起看,才是完整故事。

据 Ars Technica 报道,Anthropic 被安全研究人员曝出曾在 Claude Code 中加入隐藏追踪机制,用来识别和标记疑似中国用户。这件事和前两天的阿里禁用 Claude Code、Anthropic 指控中国公司蒸馏 Claude 连在一起看,才是完整故事。

一句话说,Anthropic 不是不能做风控,问题是当风控信号被藏进开发者工具里,开发者就很难判断自己到底是在调用一个代码助手,还是在进入一套不可见的安全审查系统。

报道里提到的关键点,是所谓“提示隐写术”。通俗说,就是把用户看不见、正常界面也不容易察觉的标记塞进提示或调用链里,让服务端后续识别这些请求从哪里来、是否经过转售、是否可能被用来大规模采集模型输出。Anthropic 的回应方向也大致如此:这是为了防止未授权转售和模型蒸馏,是反滥用实验的一部分。

这话不能说完全没道理。前沿模型公司确实面临一个现实问题:如果有人用大量账号、代理网络、自动化提示,把 Claude 的输出批量采回去训练另一个模型,那 Anthropic 很难只靠普通限流挡住。尤其在它已经公开指控中国公司蒸馏 Claude 的背景下,风控团队一定会想办法识别异常访问。

但 OC 更关心的是另一层:开发者工具的信任边界正在变得不透明。Claude Code 不是普通网页聊天。它可能读取代码仓库,理解项目结构,辅助修改文件,参与调试和命令执行。开发者把它接进工作流时,默认假设自己能理解主要的数据流向:哪些代码被读取,哪些上下文被上传,日志保存多久,企业管理员能不能审计。隐藏追踪器破坏的正是这层预期。

Claude Code 争议里的开发者信任边界

本站编辑林岚提醒,这件事对开发者最直接的教训不是“以后不用 Claude Code”,而是不要把任何 coding agent 当成透明插件。今天的 agent 已经不是补全一行代码,它会进入仓库、issue、测试、CI、甚至本地 shell。团队引入这类工具时,需要把它当成一个有远程策略、有风控规则、有地区限制的供应商,而不是一个下载下来就完事的编辑器扩展。

这里也不能把故事简单写成“美国公司监控中国用户”。更准确的说法是:模型公司为了防蒸馏、防转售、防规避地区限制,会越来越多地在产品里部署不可见的识别机制。中国用户更容易成为这类机制的重点对象,是因为出口管制、服务条款和中美 AI 竞争把他们推到了风险模型的中心。

问题在于,安全叙事很容易滑向产业护城河。Anthropic 可以说这是防滥用,用户也可以反问:追踪范围是什么?标记是否进入日志?是否影响账号、地区或企业客户判断?有没有告知?能不能被独立审计?如果这些问题没有答案,开发者自然会怀疑:今天是反蒸馏,明天会不会变成更广泛的行为画像?

对企业来说,这件事会加速一个趋势:AI 编程工具进入采购和合规流程。以后团队使用 Claude Code、Codex、Cursor、Qoder 或其他 agent,不能只问“哪个写代码更强”,还要问代码上下文能不能隔离、日志能不能关闭、供应商有没有地区限制、有没有私有部署或企业审计能力。

所以,这条新闻真正刺痛开发者的地方,不是某一行隐藏代码,而是 AI 工具链开始带着地缘政治和安全策略进入日常开发环境。写代码的人以前关心插件会不会崩,现在还要关心插件背后的模型服务商会不会把自己标成风险用户。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关碎碎念

更多

最近越来越多思考,我们跟agent的关系,比如我最近用blender mcp很多,基本上我算是会用blender的,但是老记不住很多热键,以前我可以做很复杂的模型,但是要是不是的去查blender的操作热键。现在我完全不参与模型的建模,只让codex帮我生成。 但是我还是在查blender的热键,我现在需要的是numpad .这样聚焦到一个对象的方法,我需要的是numpad /这样的方法来把除了选中的对象,其他都隐藏的热键。 换言之,我现在需要高效的人工视觉复检blender mcp的成果,这是我对自己目前blender能力的需求了。

tinyfool 2 0

从第一份程序员职业至今,已经过了 20 年,现在已经不再亲自写代码了,年初看到 Codex/Claude 火爆,又起心动念开始堆代码,只不过现如果自己亲手写的代码,跟 AI 写的代码放在一起,我开始有种耻感涌上来。是到了把关注点挪到像我这种老登程序员的生活上的时候了。

lgn21st 1 1

在我的windows游戏本,也安装了codex,现在叫chatgpt app。然后用遥控的方式操作这个codex去做很多事情,比如以前windows游戏本没空间了,我需要打开steam、gog、战网,然后手工看一堆目录的占用。现在直接用codex做个扫描。然后决定要不要暂时删除某个游戏啥的。 以前要在windows游戏本实验一些必须N卡的AI项目要自己去安装,现在也都交给Codex来做,我就在我习惯的mac环境下遥控即可

tinyfool 0 0

相关帖子

更多

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1