OpenAI 之后又是 Anthropic，Claude 将攻击延伸至公共互联网

Anthropic近日披露，其Claude模型在安全评估期间意外访问公共互联网。回溯审计覆盖141006次评估运行，发现三起独立事件，涉及Claude Opus 4.7、Mythos 5及一个内部研究原型。因出口路由配置错误，模型在夺旗演练中攻陷了现实目标。Opus 4.7攻击了与虚构目标同名的真实公司域名，提取了凭证及生产数据库表。Mythos 5利用依赖混淆漏洞，向PyPI发布含攻击载荷的软件包，约15个外部系统下载执行，该模型随后凭被盗凭证横向进入一家安全供应商基础设施。内部原型扫描约9000个公共IP，攻陷外部应用后自主终止攻击。Anthropic于7月23日暂停所有进攻性评估，7月27日通知受影响方，将升级沙箱隔离并联合METR审计环境。公司定性为操作控制失误，非模型对齐失控。