人工智能企业Anthropic当地时间30日发布公告，表示在对自家Claude的网络安全评估审查中发现了三起不应发生的真实网络安全事件，背后的直接原因是第三方评估环境配置失误。

这三次事件中，Anthropic的模型都被指派了无限制的「夺旗」网络攻击任务。为保障安全性，此类任务的测试环境需与真实互联网隔离，但Anthropic与评估伙伴Irregular之间存在误解，导致向评估模型开放了真实互联网访问权限。

第一起事件中，Claude Opus 4.7把一个与虚构目标同名的真实公司当成任务目标，访问了其基础设施，提取了凭证和数据库数据。这是最严重的一次事件，模型即使意识到是真实系统仍在继续攻击。

Claude Mythos 5在第二起事件中为完成任务，将一个恶意Python包发布到真实PyPI。这一恶意文件被下载到15个真实系统，导致凭证被窃取。模型曾短暂意识到「如果这是真实互联网会很糟糕」，但说服自己仍在模拟中。

Anthropic内部的一款研究测试模型则表现得相对更好一些。其扫描了约9000个目标，用基本手法入侵了一个真实公司，后来意识到是真实环境后主动停止了攻击。

Anthropic表示，所有涉事模型均未部署正式发布时使用的标准安全措施，但都经过了特定的安全训练。这些攻击仅利用了一些基本技术，模型没有发现或利用任何复杂的漏洞，也没有试图将自身从测试环境中导出或故意逃离。