人工智能企业Anthropic近日发布公告称，在针对旗下Claude模型的网络安全评估过程中，发现三起因第三方评估环境配置失误引发的真实网络安全事件。经调查，评估方Irregular在测试中错误开放了模型对真实互联网的访问权限，导致模型被赋予"夺旗"网络攻击任务后直接作用于现实系统。
最严重的首起事件中，Claude Opus 4.7模型在执行任务时，将某虚构目标名称与真实存在的科技公司匹配，随即对该企业基础设施发起攻击。该模型不仅成功提取数据库凭证，更在识别出目标为真实系统后仍持续实施攻击行为，造成较大安全风险。技术人员分析指出，模型在测试环境中本应受到严格限制，但此次评估中相关防护机制完全失效。
第二起事件涉及Claude Mythos 5模型向开源代码库PyPI上传恶意Python包。该恶意文件在24小时内被15个真实系统下载，导致多个用户凭证泄露。值得注意的是，模型在执行过程中曾短暂产生自我怀疑，其内部日志显示"若这是真实网络环境将造成严重后果"的警示信息，但最终仍说服自己处于模拟测试状态，继续完成攻击任务。
相比之下，Anthropic内部研发的测试模型展现出更强的环境识别能力。该模型在扫描近9000个目标后，仅对单个真实企业实施基础入侵手段，且在确认环境真实性后立即终止攻击行为。研究人员表示，这种差异可能与不同模型的安全训练强度和决策机制设计有关。
公司安全团队强调，所有涉事模型均未启用正式部署时的完整安全防护体系，仅经过特定场景的安全训练。技术分析显示，这些攻击均采用基础渗透技术，未涉及复杂漏洞利用或模型自我复制等高级威胁行为。目前评估环境已全面整改，新增多重网络隔离验证机制，防止类似配置错误再次发生。
