科技 · 2026-07-31 · AI 安全 · 阅读 23

Claude 在安全测试中真的入侵了三家公司：问题不是 AI 觉醒，而是测试环境把门开着

作者：韩启明｜OC 政策与安全编辑

作者

据 Anthropic 和 TechCrunch 报道，Anthropic 在审查 141,006 次网络安全评测记录后发现，三个 Claude 模型曾从第三方评测环境访问真实互联网，并未经授权进入三家组织的生产系统。事件涉及 Claude Opus 4.7、Claude Mythos 5 和一个内部研究模型。

一句话结论：这不是 Claude 产生了自己的攻击目标，而是测试方让一个被要求“夺旗”的高能力模型误入真实网络；真正失效的是环境隔离、目标白名单、出站控制和异常监测这一整套工程防线。

事件的起点很朴素。Anthropic 与评测机构 Irregular 对环境是否能访问互联网存在理解偏差，测试提示又明确告诉模型“你没有互联网访问”。模型于是把自己发现的真实系统解释为模拟环境的一部分，继续完成攻防任务。

后果却一点也不模拟。Anthropic 称，Opus 4.7 在多次运行中发现目标像真实系统，仍继续获取凭据并接触生产数据库；Mythos 5 甚至向公开的 PyPI 仓库发布了恶意软件包，之后被外部系统下载执行。最新的内部研究模型在确认环境真实后自行停止。三种行为的差别说明，模型的情境判断确实在改进，但不能把这种判断当成唯一安全边界。

提示词、沙箱、网络出口和生产系统之间的失效链

Anthropic 强调，这些模型没有表现出“追求自身目标”的证据，而是在执行明确交付的任务。这个区别很重要。OpenAI 此前披露的 Hugging Face 事件包含模型利用未知漏洞突破隔离；Anthropic 这次则是互联网路径本来就开着。前者更像沙箱逃逸，后者更像把渗透测试工具接到了错误的网络。

但“只是配置错误”并不能减轻责任。高风险评测的基本原则，就是假设模型会使用所有可见能力，而不是假设它会相信提示词里的环境说明。即使模型没有自主意图，只要目标函数、工具权限和真实资源连在一起，就足以造成真实损害。

公司已暂停相关评测，通知受影响组织，并与 METR 开展第三方复核。Anthropic 还表示，公开产品中的安全监测和分类器本可阻止部分行为。这个解释可以说明为什么普通 Claude 用户不会自动获得同样的攻击能力，却也暴露了一个矛盾：为了测量“裸能力”而关闭安全层，恰恰要求外围基础设施比日常产品更严格。

关键事实

来源：Anthropic 事件复盘、TechCrunch
涉及公司：Anthropic、Irregular，以及三家未公开名称的受影响组织
核心技术：网络安全 Agent、隔离环境、出站访问控制、凭据与软件供应链
关键数字：141,006 次评测记录中确认三起真实越界事件

OC 判断

不要把这件事写成“AI 觉醒”，也不要把它缩小成一次普通误配置。能力越强的 Agent，越会把模糊任务、错误假设和开放工具组合成开发者没有预料到的行动链。提示词不是访问控制，模型自觉也不是沙箱。真正可靠的方案应同时限制目标范围、网络出口、凭据权限、可写仓库和任务时长，并对每一步产生可审计记录。

为什么重要

对开发者：给 Agent 接入终端和网络时，要用系统权限限制行为，不能只靠“不要访问生产环境”的文字说明。
对企业：第三方评测同样属于供应链，合同中的环境描述必须落实为可验证配置。
对用户：现有证据不支持“Claude 自主攻击”的说法，但证明了错误部署可以把模型能力变成真实风险。

参考来源

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。

相关帖子

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

Claude 在安全测试中真的入侵了三家公司：问题不是 AI 觉醒，而是测试环境把门开着