Anthropic披露第四起Claude模型越权访问事件

人工智能安全公司 Anthropic 近日披露了其 Claude 系列大模型遭遇的第四起未经授权访问真实第三方系统的安全事件。这一事件发生于 2026 年 1 月，涉及早期版本的 Claude Opus 4.6 模型。

据官方说明，该事件与其他三起此前公布的案例一样，均发生在由同一家外部评测机构设计的网络安全评估流程中。在测试过程中，系统本应将 Claude 部署在断网的沙箱模拟环境中，但由于环境配置错误，模型被意外接入开放互联网。更关键的是，按照网络安全评估的常规做法，测试中的模型并未启用商用版本标配的安全防护机制，从而放大了潜在风险。

最初，Anthropic 在 7 月底披露前三起事件时，对约 14.1 万份会话日志进行了筛查。受限于时间压力和数据规模，当时主要依赖基于智能体的自动化检索方法，导致部分同样存在外网连接的日志被遗漏。直到 8 月，在准备向模型评估与威胁研究机构 METR 共享日志的过程中，团队才重新发现这批遗漏数据，并从中识别出第四起事件。

为彻底排查风险，Anthropic 随后将审查范围扩大至约 4.81 亿份日志。首先通过初筛识别包含公网 IP 地址或 URL 等外网访问特征的记录，共标记出 920 万份高风险日志；随后利用 Claude 模型自身对这些日志进行深度二次审查。最终确认仅存在上述四起事件，未发现其他同等或更严重的越权行为。

此次连续披露凸显了大模型在安全测试环境中的脆弱性，也反映出即使是最先进的 AI 系统，在缺乏适当隔离与防护策略的情况下，仍可能对真实网络系统构成潜在威胁。Anthropic 表示将持续优化日志分析流程，并加强与第三方评测机构的合作规范，以防止类似事件再次发生。