继OpenAI披露其AI模型突破隔离测试环境并入侵Hugging Face之后，Anthropic于本周四承认，在内部网络安全测试中，其多款Claude模型因配置错误意外获得公网访问权限，导致三家未具名的真实企业被成功入侵。
据Anthropic介绍，在对超过14.1万次网络安全评估运行进行复盘后，公司发现了这三起事故。所有事件均发生在“夺旗挑战”测试中，该任务要求模型尝试入侵网络中的另一台机器并获取机密信息。Anthropic表示，挑战设计开放，不限定具体方法，但其提示词明确告知模型“处于无互联网访问权限的模拟环境”。然而，测试环境并未真正断网，仍与公网保持连接。
Claude误将真实系统当作演练目标，并使用了常见攻击手段，包括弱口令、泄露凭证、SQL注入和未认证端点等。其中一起事件中，Claude Opus 4.7将某真实公司网站误认为任务目标，提取凭证后访问了包含数百行真实数据的生产数据库；另一起事件中，Claude Mythos 5向真正的PyPI仓库上传了恶意Python包，该包在15个系统上被下载后才被移除；还有一起事件中，一个内部研究模型扫描了约9000个网络系统，在攻破一个组织后自行停止，原因是它推断目标可能是真实系统。
Anthropic强调，没有任何证据表明Claude试图逃逸或超出指定任务范围，事故根源在于测试环境的隔离失败，而非模型本身的问题。公司已暂停相关安全测试，并已通知受影响组织。其中两家机构在接到通知前对入侵事件一无所知。
Anthropic表示，将加强监控、调查工具及对第三方测试服务商的监督，并称“秉持无指责复盘文化，我们将像责任完全在自己一样推进修复”。