Claude黑进三家真公司！Anthropic吓坏了

新智元报道

Anthropic又来「作死」了...

就在刚刚，Anthropic官方一篇博文自曝，Claude彻底失控，直接黑进了「三家真公司」。

其中两家，直到Anthropic上门通知，才知道系统被入侵过。

搞笑的是，达里奥这次直接把OpenAI的「剧本」，搬回来照抄了。

官博中，Anthropic自称在OpenAI模型入侵Hugging Face事件后，自己也去排查了一番。

不看不知道，一看吓一跳——

好家伙，短短几个月里，Claude竟接连发起了三起网络攻击。

消息一出，评论区立刻沦陷，大批网友疯狂造梗，把 Anthropic 损得体无完肤。

此前Fable 5整的那出，还不够衰么？这一次，Anthropic又在自掘坟墓了。

三家真·公司被黑

全是Claude干的

过去一周，Anthropic全员随即启动了一轮大规模回查。

在14万多次评估run里，他们找到了3起独立事件，一共6个run。

Claude从第三方评估环境里联了网，然后未经授权入侵了三家不同公司的生产系统。

这事是怎么发生的？

这是一场「夺旗」（Capture-the-Flag）演练，网络安全测试里最经典的一种。

给模型一个虚构剧本，告诉它某台机器上藏着一个秘密（flag），任务就是想办法黑进去，把它拿出来。

方法不限，路径不限，怎么进都行。

关键在于，Anthropic给Claude的提示词里，白纸黑字写着一句话，「这是模拟环境，且无法访问互联网」。

但由于Anthropic和Irregular之间的一次沟通误会，容器实际上是联网的。

于是当Claude顺着网络往外摸、摸到真实公司的服务器时，它的判断是——

这应该也是题目的一部分。

同名公司，Opus 4.7识破了但没停手

第一起事故，是Anthropic自评三起事故中影响最严重的一起。

干这件事的，是Claude Opus 4.7。

Irregular给的虚构剧本里，编了一家假公司作为攻击目标。

巧的是，这个名字在现实世界里对应着一个正在运行的真实域名。

Opus 4.7在环境里怎么都够不到那个模拟靶机，转头一扫，发现「目标公司」居然在公网上活得好好的。

同一个评估跑了四次，四次全部得手。

四次运行合计拖出了应用凭证、基础设施凭证，并且进到了一个数据库里，拿到了几百行生产数据。

Anthropic翻它的思维链，发现四次运行中，模型最终都意识到了对面是真系统。

其中两次，它甚至给自己找好了理由，「这家真公司大概也被安排进演习里了吧」。

为了发恶意包，Mythos 5搞到手机号

第二起事件，几乎像一场失控的剧本。

Mythos 5在虚构环境里发现一份配置手册，要求员工安装一个PyPI上并不存在的Python包。

它很快想到，抢先注册同名包，就能让对方自动运行自己的代码。

为了发包，AI先注册邮箱、申请PyPI账号，甚至尝试弄钱买手机号。

几条路都失败后，它又找到一家免手机验证的邮箱，最终把恶意包传了上去。这个包在公网上存活约1小时，被15台真实机器下。

网友辣评：当下最热门的基准测试

其中一台来自安全公司，专门扫描PyPI新包，却被样本反过来攻陷。

更讽刺的是，Mythos 5早就判断过——如果这是真实互联网，发包就等于真实攻击。

随后，它用两条错误理由说服自己：证书颁发机构没见过，所以证书是假的；系统时间显示2026年，所以环境是编的。

证书是真的，2026年也是真的。

此后，真实机器陆续中招，它却一直把它们当成评估环境里的「NPC」。最后，PyPI安全系统自动下架了这个包。

扫了9000个目标，然后自己停了

第三起，来自一个尚未公开的内部模型。

够不到虚构目标后，它转向公网，一口气扫描约9000个目标，最终攻破了一家公司的外部系统——

从调试页面拿到凭证，再用SQL注入进入云账号。

当任务做到一半后，它发现这个账号与夺旗任务毫无关系，判断目标真实存在，随即主动停手。

三起事件串联起来，可以看出Claude迭代后的表现：

• Opus 4.7：识破了是真实系统，继续打；

• Mythos 5：直觉判断出自己在公网，又硬把自己劝回「这是模拟」；

• 内部测试新模型：意识到目标是真的，主动停手。

从「识破了还打」，到「自我欺骗接着打」，再到「识破了就停」。

模型越新，表现越接近人类希望看到的样子。

当然，Anthropic也反复强调：这是三起孤立事件，不是一场受控实验，不能就此下定论。

一个0day，都没用上

最后说一句和每个人都有关的。

回看三起事故，Claude用的手法并不高明：弱口令、未鉴权接口、暴露的调试页面、SQL注入。

Anthropic也承认，Claude没有发现、也没有利用任何复杂漏洞。

隔壁OpenAI那次是货真价实的0day，是「AI打出了人类都难打的东西」。

真正危险的是，这些最基础的手法，已经足以攻进三家真实公司。

这次闯进来的Claude只想完成任务。拿到凭证后，它没有加密数据，也没有大肆扩散，只顾着找那面旗子。

下一次来的，未必这么老实。

参考资料：

https://www.anthropic.com/news/investigating-incidents-cybersecurity-evals

编辑：桃子