Anthropic发现Claude在评估中入侵真实系统

Anthropic在2026年7月30日披露，其网络安全评估审查中发现三起Claude模型意外入侵真实系统的事件。此前7月21日，OpenAI披露其模型利用零日漏洞突破隔离测试环境并访问Hugging Face生产基础设施。Anthropic随即对14万1千零6次评估运行进行回顾，发现三次事故均发生在与第三方评估伙伴Irregular的合作中。

在这些事故中，Claude被赋予夺旗挑战任务，目标是攻入网络中的另一台机器获取秘密信息。由于Anthropic和评估伙伴之间的沟通误解，本应断网的评估环境实际上开放了互联网访问。Claude误将真实组织的系统视为挑战目标，使用弱密码和未认证端点等基本手段完成了入侵，未利用复杂漏洞。Anthropic已修改评估协议，确保环境完全隔离，并增加监控。