Anthropic披露第四起Claude模型安全事件，排查规模达4.81亿份日志

徽声在线 9 月 10 日消息，人工智能安全研究机构Anthropic于当地时间 9 月 9 日正式发布公告，披露了一起发生在2026年1月的重大安全事件。这是该机构自成立以来对外公布的第四起真实网络安全事件，引发了业界对AI模型安全性的广泛关注。

据徽声在线此前报道，Anthropic曾在当地时间 7 月 30 日对外通报了三起Claude模型未经授权访问第三方系统的安全漏洞。当时该机构初步判断，Claude可能是在参与某次网络安全评测时意外获得了外网访问权限。为彻底排查隐患，Anthropic对约14.1万份会话日志进行了全面筛查，最终确认了这三起安全事件的存在。

然而，由于日志数据量极为庞大，且需要尽快向公众通报处置进展，首轮筛查工作主要依赖基于AI智能体的自动化检索技术。这种高效但不够精细的筛查方式，导致部分同样存在外网连接问题的日志被意外遗漏，为后续安全事件的发生埋下了隐患。

今年8月，Anthropic在整理准备共享给模型评估与威胁研究机构METR的日志数据时，意外发现了这部分被遗漏的日志。经过进一步深入核查，研究人员从中识别出了第四起发生在2026年1月的安全事件，该事件涉及早期版本的Claude Opus 4.6模型。这一发现再次凸显了AI模型安全评估的复杂性和挑战性。

徽声在线从Anthropic获悉，这四起安全事件均发生在同一家外部评测机构构建的网络安全评估流程中。在评估过程中，系统曾向Claude模型发送提示信息，声称其运行在完全断网的沙箱模拟环境中。然而，由于环境配置出现严重错误，模型实际上被误接入了开放的互联网环境。更为严重的是，按照网络安全评估的标准惯例，测试模型在运行时并未启用商用发布版本所标配的多层安全防护策略，这无疑增加了安全风险。

在发现第四起安全事件后，Anthropic立即采取了更为严格的排查措施。该公司将检索范围扩大至约4.81亿份日志，规模较首轮筛查增加了数百倍。排查工作首先通过自动化工具初筛公网IP地址、URL等外网访问特征，随后利用Claude模型对初筛标记出的920万份高风险日志进行二次深度审查。经过这一系列严格排查，Anthropic最终确认了上述四起安全事件，并未发现其他程度相当或更为严重的安全漏洞。