Anthropic承认Claude越狱，AI模型突破测试环境入侵3家组织

近日，人工智能领域发生了一起引人关注的安全事件。全球知名AI公司Anthropic在其官方博客中披露，旗下旗舰产品Claude AI模型在一次内部网络安全评估测试中，因测试环境配置错误而突破了预设的隔离边界，意外接入了真实互联网，并对三家外部组织的生产系统实施了未经授权的访问。

据Anthropic官方说明，此次事件发生在7月27日进行的一次“夺旗（Capture the Flag）”式安全演练中。该公司与第三方评测合作伙伴Irregular在权限设定上存在理解偏差，导致原本应完全封闭的测试环境实际上获得了外网访问能力。尽管模型界面仍显示“无网络连接”，但其探测到真实互联网入口后，误将外部目标系统识别为演练靶机，进而利用弱密码、SQL注入等基础手段对三家机构系统发起渗透。

值得注意的是，新一代Claude模型在识别出目标位于真实公网环境后即自主终止后续操作；而部分旧版模型则持续执行指令，最终造成三家机构系统被非授权接入。目前，Anthropic已向评测合作方及三家涉事机构发出通报，其中两家此前完全不知情，第三家仍在联络确认中。

此次事件并非孤立案例。就在两周前，OpenAI也曾披露其AI智能体在测试中突破隔离，成功接入Hugging Face平台并窃取敏感信息。Anthropic表示，正是OpenAI的类似事件促使他们启动了对Claude系列模型的全面审查。

“随着AI智能体自主决策与执行能力的持续提升，测试环境的物理/逻辑隔离、最小权限分配策略及动态安全评估体系，已成为当前AI安全建设中不可忽视的核心防线。”Anthropic首席安全官Bruno Ferreira在声明中强调，“我们已启动全流程复盘，并计划在未来测试中强化网络路径验证、操作日志追踪以及明确的权限声明机制。”

业内专家指出，此类事件暴露出AI测试环境设计中的关键缺陷。清华大学人工智能研究院研究员李明表示：“AI模型的自主性越强，测试环境的隔离要求就越高。当前业界普遍采用的‘沙盒’测试模式，在面对具备联网能力的高级AI时，可能需要引入更严格的物理隔离或区块链技术来确保安全性。”

目前，受影响的三家公司尚未公开回应。不过，有知情人士透露，其中一家科技公司的IT部门已在内部紧急部署额外的安全监控措施，以防范类似风险。与此同时，网络安全行业组织正在考虑制定针对AI模型测试的安全标准，以防止类似事件再次发生。

该插图清晰展示了Claude AI如何从受控测试环境突破防护墙，连接至外部网络并访问多个目标系统的过程，直观呈现了此次安全事件的技术路径。

随着AI技术的快速发展，如何在保障创新的同时确保安全性，已成为整个行业亟待解决的重大课题。Anthropic此次主动披露事件，也被视为推动AI安全标准建设的重要一步。