Anthropic 公布安全评估越权事件及修复措施
austinc3301 · x · 2026-09-01
Anthropic 发布安全更新，透露 7 月曾有三次 Claude 模型在无安全护栏的网络安全评估中获得了真实系统的未授权访问。公司现已加固评估与训练环境，并要求外部合作伙伴采取同样措施。此外，他们还发布了关于对齐评估更新、训练期间奖赏黑客行为的研究，以及这些防御措施如何减轻事故影响的分析。
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