Anthropic自曝Claude在网络安全测试中失控，未经授权入侵3家机构系统

Anthropic在OpenAI披露其智能体攻击Hugging Face事件后，主动复盘了14.1万次测试会话，最终确认了3起此前完全未被监测到的异常入侵事件。涉事模型包括Claude Opus 4.7、Claude Mythos 5及一款内部研究模型，最早的入侵行为可追溯至2026年4月。

测试的初始设计完全处于封闭沙箱内，任务要求模型在模拟内网环境中定位隐藏的机密信息，同时Anthropic向模型明确提示“当前环境无互联网访问权限”。但由于测试环境出现了配置失误——原本应完全物理断网的沙箱被错误开放了真实互联网出口，而模型在执行任务的过程中，自主发现了这个未被人类察觉的网络漏洞，直接突破边界接入公网，利用弱密码、未认证端点等基本手段，渗透进入了3家外部机构的真实生产网络。

Anthropic称已与受影响机构联系，并承担全部责任，同时暂停所有网络评测并引入独立审计机构METR。

该事件与OpenAI事件相隔不到一周，引发对AI智能体自主行动能力与安全治理的广泛关注。