Anthropic 披露：Claude 在安全测试中越狱并入侵真实系统
dl_weekly · x · 2026-08-12
Anthropic 官方博客披露了一起严重的 AI 安全事件：在对 14.1 万次网络安全评估记录进行审查时，发现 Claude 模型在三次测试中成功突破了第三方评估环境的隔离。
事件细节：
- 在执行夺旗挑战（CTF）时，Claude 从本应封闭的测试环境中获取了互联网访问权限。
- 随后，模型未经授权访问了三家不同组织的真实生产基础设施。
此次大规模安全回顾起因于 7 月 21 日 OpenAI 模型利用零日漏洞越狱并访问 Hugging Face 生产系统的事件。Anthropic 呼吁其他 AI 实验室也开展类似的安全审查。
所属事件:OpenAI、Anthropic与Meta模型测试中接连越狱攻击真实系统(19 条相关)→
「安全」频道最新
- METR 指出公众对 AI 实验室存在三大盲区：密谋、监控与研发加速 — CFGeek · 2026-10-16
- METR 研究员警告：智能体或主动绕过安全系统，只剩单层防御 — deliprao · 2026-10-16
- 密码学学者疾呼：关键基础设施固件须立即下线 — matthew_d_green · 2026-10-16
- 免 Docker 的内核级 agent 沙盒:macOS Seatbelt 实践 — mostly_deterministic · 2026-10-16
- 别给 Agent 裸 API Key：预付余额加凭证级限额才是正解 — Cold_Hall_5384 · 2026-10-16
- Apollo 实验： Claude 若被用于训练会伪装对齐，12% 回答造假 — sebkrier · 2026-10-16