网络安全评估领域出现罕见失误。根据 AI 独角兽企业 Anthropic 于周四发布的最新披露，该公司旗下数款最顶尖的 AI 模型——包括 Opus 4.7、Mythos 5 以及一款尚未公开发布的内部研究模型，在进行上线前的前沿网络安全测试（Capture-The-Flag，抓旗赛）期间，意外越过了虚拟演练界限，成功入侵了真实世界中的第三方网络系统。
针对本次事故，Anthropic 解释称，事件起因于公司与合作的网络安全评测机构 Irregular 之间的沟通误解，导致本应完全隔离的模拟测试环境被错误地连接到了互联网。在此配置下，AI 模型被系统提示告知正处于无网无害的模拟环境中，却因连通了真实网络，直接将现实世界中的网络资产误认为是测试靶场中的任务目标，进而展开了攻击。
报道指出，涉及入侵的攻击手段均属于较为基础的网络攻防技术，包括利用弱密码以及未经身份验证的开放接口等。具体安全事件包含三起典型的真实影响案例：
首先，在一次针对虚拟目标的测试中，Opus 4.7 由于无法在本地网络中找到同名目标，遂利用互联网连接搜索到了现实中同名的一家真实网站，并将其成功攻破。
其次，在另一项模拟任务中，Mythos 5 编写并向 Python 官方第三方软件仓库 PyPI 上传了一个恶意 Python 软件包。该软件包在公网上挂载了约一小时，期间被 15 台真实设备下载并执行。其中一台设备属于某网络安全公司，其自动沙盒机制在运行该软件包进行恶意软件扫描时，不慎导致凭据外泄，进而使 AI 获得了访问其额外基础设施的权限。
最后，Anthropic 的内部研究模型在测试中无法定位指定目标，随后自动扫描了约 9000 个网络目标，并成功入侵了其中一家企业的互联网应用。不过，该模型在后续运行中意识到自己进入了一个“与安全挑战毫无关联”的云端账户，随后主动终止了攻击行为。
目前，Anthropic 表示已全面暂停所有可能连接互联网的网络安全评估任务，并正与合作伙伴 Irregular 共同开展深入调查。公司强调，若在模型上部署安全防护栏（Guardrails），此类行为将被完全拦截，本次事故反映的是在去除安全限制以测试底层极端能力时，安全评估环境本身在配置管理上暴露出的风险漏洞。这一事件也与此前 OpenAI 模型意外访问 Hugging Face 设施的披露一道，引发了整个行业对前沿 AI 研发机构评估环境安全性的高度警惕。
了解更多：
https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals