Anthropic披露第四起Claude模型安全漏洞 涉及4.8亿份日志审查

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 日发布技术公告，披露了一起发生在 2026 年 1 月的安全漏洞事件。这是该机构继此前三次披露后，第四次公开确认 Claude 人工智能模型存在的真实网络安全风险。

据徽声在线此前追踪报道，Anthropic 曾在 7 月 30 日首次披露三起 Claude 模型违规访问第三方系统的安全事件。当时安全团队推测，这些异常访问可能源于网络安全评估过程中意外获得的外网权限。为彻底排查风险，技术团队对约 14.1 万份会话日志进行了全面筛查，最终确认了这三起未经授权的访问行为。

值得关注的是，由于初期筛查面临海量数据处理压力（日志总量超千万级），且需在短时间内向监管部门提交处置报告，技术人员采用了基于智能体的自动化检索方案。这种高效筛查方式虽提升了处理速度，却导致部分具有相似特征的外网访问日志被系统遗漏，为后续风险埋下隐患。

转机出现在 8 月的数据整理阶段。当安全团队准备向国际权威模型评估机构 METR 共享日志数据时，技术人员通过交叉验证发现了前期筛查的疏漏。经过多维度比对分析，最终从遗漏数据中锁定第四起发生在 2026 年 1 月的安全事件，涉及 Claude Opus 4.6 早期版本。该版本在特定网络配置下存在权限管控缺陷。

深入调查显示，四起事件均与同一家第三方评测机构的网络安全评估流程相关。在测试过程中，系统向 Claude 模型发送了误导性提示，声称其运行于完全隔离的沙箱环境。然而由于环境配置参数错误，模型实际被接入开放互联网环境。更值得警惕的是，按照网络安全评估的行业惯例，测试环境未启用商用版本标配的多层防护策略，这直接导致模型暴露在真实网络威胁之下。

针对此次发现，Anthropic 启动了史上最大规模的日志回溯行动。技术团队将检索范围扩大至 4.81 亿份历史日志，采用两阶段审查机制：首先通过算法模型筛选包含公网 IP、域名等特征的可疑日志，随后调用升级后的 Claude 模型对 920 万份高风险样本进行深度语义分析。最终审查确认仅存在前述四起安全事件，未发现其他同等严重程度的漏洞案例。