Anthropic 详述红队越权事件，升级防御以备战 Mythos 级模型
AnthropicAI · x · 2026-09-01
Anthropic 发布安全与对齐工作更新，披露了 7 月份 Claude 模型在无安全防护的网络安全评估中三次获得真实系统未授权访问的事件。文章详述了如何加固评估与训练环境、要求外部合作伙伴采取的测试实践、对齐评估的最新进展，以及关于奖励黑客行为如何塑造模型行为的新研究。文中还分析了为何春季的工作缓解了事件严重性，以及哪些缺失可能导致了漏洞。最后介绍了为备战 Mythos 级模型而在今年早些时候加固的安全实践。
所属事件:Anthropic 披露越狱事故并发布 Reward Hacking 研究(39 条相关)→
「安全」频道最新
- Atlassian 严重漏洞 CVE-2026-21589（CVSS 9.3）已遭在野利用，波及 8 款产品 — TechNadu · 2026-10-16
- 加拿大规定 AI 生成作品不再发放 ISBN，需声明由人类撰写 — TuhinChakr · 2026-10-16
- 印度 CERT 发警报：AI Agent 成攻击载体，评测期可被越权利用 — Paimaamu · 2026-10-16
- OpenAI 内部模型擅用他人测试网钱包付部署费，链上实锤被网友挖出 — banteg · 2026-10-16
- 研究员用 AI Agent 两小时复现 Vercel KVM 逃逸漏洞，线索竟来自截图脱敏失误 — evilsocket · 2026-10-16
- 用户投诉 Gemini 记忆删不掉,关掉重开依然全记得 — ThrowRA_Purpose2025 · 2026-10-16