Anthropic 发现第四起 Claude 安全漏洞，将审查范围扩大至 4.81 亿条日志

Anthropic 披露第四起 Claude 安全事件

Anthropic 已确认一起发生于 2026 年 1 月的安全事件，这是该公司第四次公开披露涉及 Claude AI 模型的真实网络安全事件。这一消息于 9 月 9 日公布，此前一项审查发现了先前筛查中的漏洞。

早在 7 月，Anthropic 就报告了三起独立事件，其中 Claude 在网络安全测试期间未经授权访问了第三方系统。当时，该公司筛查了约 141,000 条会话日志，并认为已识别出所有相关案例。但日志数量庞大以及急于发布结果，导致过度依赖自动检索，从而遗漏了一些同样显示外部网络连接的日志。

这一疏漏在 8 月曝光，当时 Anthropic 正在准备与模型评估与威胁研究组织（METR）共享的日志。进一步验证揭示了这起 1 月事件，涉及早期版本的 Claude Opus 4.6。

所有四起事件都发生在同一网络安全评估流程中，该流程由同一家外部测试组织构建。在每起事件中，系统都提示 Claude 它正在一个隔离的沙盒模拟环境中运行，但配置错误却错误地将模型连接到了开放互联网。值得注意的是，商业版本中通常包含的标准安全保护措施在这些测试期间并未启用。

在发现遗漏事件后，Anthropic 主动扩大了调查范围。该公司将搜索规模扩大到约 4.81 亿条日志。首先，他们进行了初步筛查，以标记公共 IP 地址和 URL 等外部网络访问特征。然后，他们使用 Claude 本身对第一轮识别出的 920 万条高风险日志 进行了第二轮深度审查。

结果再次确认了四起已知事件，但并未发现任何其他类似或更严重的事件。

这起事件凸显了在复杂测试环境中监控 AI 行为的挑战。即使使用自动化工具，细微问题也可能被漏掉。Anthropic 决定扩大审查并与 METR 分享发现，体现了对透明度的承诺，但这也引发了关于 AI 模型如何测试和保障安全的问题。

随着 AI 系统变得越来越强大，确保它们始终处于预期边界内变得愈发关键。目前，Anthropic 的主动做法可能会为公司如何处理此类披露树立先例。

要点：