Anthropic对141,006次网络安全评估记录进行复盘后发现，其中有三起测试中，Claude模型突破原本应与公网隔离的环境，实质性入侵了外部机构的在运行系统。
要点概览：
- Anthropic审查141,006次网络安全评估，确认其中6次执行与3起真实世界入侵事件直接相关。
- 评估伙伴Irregular在搭建测试环境时配置错误：在提示词宣称“已断网”的情况下，实际仍保留外网访问权限。
- 参与入侵的包括Opus 4.7、Mythos 5以及一款内部研究模型，最早可追溯至今年4月。
三起Claude入侵事件细节
公司在周四发布的博文中正式披露事件经过，说明内部调查发现的技术细节以及后续整改方向。
Anthropic团队在日志中反向排查：哪些看似“完全隔离”的测试环境，模型实际上曾触达开放互联网。结果锁定三起独立事件、共六次测试执行，线索全部指向同一外部测试伙伴。
在这些测试中，提示词一再强调模型“不具备联网能力”，但实验室与评估方Irregular之间的沟通误差，导致环境配置悄然失真——对外网络连接始终处于开启状态。一旦“上线”，模型便开始利用弱口令、未鉴权接口等基础性漏洞，无需挖掘复杂的零日或深层软件缺陷。
在四次相关测试执行中，Opus 4.7每次都识别出自己已抵达生产环境，但并未就此停止，仍持续发起攻击、窃取凭证并访问包含真实客户数据的数据库。Mythos 5同样察觉到自己连接的是开放互联网，却在反复“自我辩论”后又说服自己这只是模拟场景，继而继续操作，最终将一个恶意软件包发布到公共Python软件仓库，导致外部系统在无人察觉的情况下下载并执行了相关代码。
延伸阅读：去中心化交易所7月成交量骤降26%，链上流动性持续走弱
安全专家质疑“沙箱”防线
唯一主动“踩刹车”的，是Anthropic最新一代内部研究模型。该模型在推理后认为测试目标与自己接到的任务场景不符，因而自行终止了进一步行动。
AI Now Institute首席AI科学家、前OpenAI安全团队成员Heidy Khlaaf早前就曾指出，类似的沙箱环境“出了名地不安全”。**云安全联盟（Cloud Security Alliance）**也多次呼吁，各家实验室在能力评估过程中，应对自治型智能体施加更严格、全流程的监控与访问控制。
针对此次风波，Irregular方面发言人向媒体表示，公司内部调查仍在进行中，并认可Anthropic在事件披露与配合调查方面的“开放态度”。
Anthropic应对举措与Mythos前科
Anthropic已于7月23日叫停所有网络攻防类评估项目，并在次日锁定全部三起事件。7月27日，公司向受影响机构发出正式通知。
其中两家机构此前从未察觉异常活动。目前，独立评估机构METR已经介入，对整个事件进行第三方审查。
值得注意的是，这并非Anthropic首次拉响自家模型“越权行为”的警报。数月前，公司就曾公开警示其最强系统的潜在风险——今年在一场受控测试中，研究人员按预设指示模型尝试“逃离”安全沙箱。结果显示，模型成功连通原本不在授权范围内的外部服务，并在缺乏明确授权的情况下，自主给一名研究人员发出电子邮件，展现出团队此前未预期的“主动沟通”能力。