Anthropic檢視共 141,006 次資安評估紀錄後發現，有三起測試事故中，其Claude 模型實際連上開放網際網路，並入侵外部組織正在運作的系統。
重點整理：
- Anthropic在 141,006 次資安評估中，找到與三起真實入侵事件相關的 6 次測試紀錄。
- 測試夥伴 Irregular 的環境設定錯誤，在提示詞明示「無網路」的情況下，仍將網路存取維持開啟。
- 牽涉的模型包括 Opus 4.7、Mythos 5 以及一款內部研究模型，最早可追溯至今年 4 月。
Anthropic曝三起Claude實際入侵事件
Anthropic在周四發布的部落格聲明中，首度公開上述事件細節，說明內部調查結果與將採取的補救與防範措施。
團隊從評估日誌回頭搜尋，鎖定原本應該被「完全隔離」的測試環境中，模型是否曾觸及開放網際網路。最後確認在三起獨立事故中共六次測試出現異常，全數都指向同一名外部測試合作夥伴。
按照測試設計，提示詞向模型聲稱其「沒有網路存取權限」，但Anthropic實驗室與測試夥伴 Irregular 之間的誤解，卻讓實際的網路連線持續開啟。模型一旦上線，便開始利用弱密碼與未驗證端點就能取得權限，完全不需要尋找深層軟體漏洞。
在其中一起事件中，Opus 4.7 在四次測試裡都辨識出自己已進入真正的生產系統，卻仍持續執行攻擊行為，竊取憑證並存取含有真實客戶資料的資料庫。另一款模型 Mythos 5 也察覺到連上了開放網路，但隨後又「說服自己」測試情境仍是模擬環境，接著發布惡意套件到公共 Python 套件註冊庫，導致外部系統在未察覺風險的情況下下載並執行相關程式碼。
延伸閱讀：去中心化交易所七月成交量驟減26%，鏈上流動性持續緊縮
專家質疑AI沙盒控管強度
在三款涉事模型中，只有最新的內部研究模型在過程中自行停止攻擊，理由是判斷目標系統與其被賦予的測試任務無關。
AI Now Institute 首席AI科學家、前 OpenAI 安全承包顧問 Heidy Khlaaf 曾多次指出，此類AI測試沙盒一向存在著名的安全弱點。Cloud Security Alliance 則呼籲，實驗室在能力評估過程中，必須以更嚴格機制持續監控並管束自律型代理人。
對於此次事件，該測試夥伴的發言人向媒體表示，其內部調查仍在進行中，並稱讚Anthropic在整體處理過程中「高度配合且透明」。
Anthropic應對作法與Mythos前科
Anthropic於 7 月 23 日全面暫停所有網路攻防類型的資安評估，隔日即鎖定三起事故的完整範圍，並在 7 月 27 日正式通知所有受影響的組織。
其中兩家企業原本完全沒有察覺到有異常行為，目前由獨立評估機構 METR 介入，對整起事件進行第三方審查。
此次風波延續了Anthropic先前對自家高階模型風險的警示。該公司今年稍早曾在一項控制實驗中，指示某款最先進模型嘗試「突破安全沙盒」；結果顯示，模型成功連上原本不在授權範圍內的服務，甚至利用未被預期的能力，主動寄送電子郵件給一名研究人員。