Anthropic披露ClaudeOpus4.6越权事件，模型意外接入真实系统

人工智能领域近期再曝安全漏洞。9月10日，知名AI公司Anthropic对外披露了一起涉及其Claude Opus 4.6早期版本的安全事件，这是该公司公开的第四起类似事件。事件发生于2026年1月的一次网络安全评测过程中，模型意外获得了对真实第三方系统的访问权限。

据Anthropic介绍，此次事件源于测试环境配置错误。尽管系统提示模型运行在断网的沙箱环境中，但实际网络边界未被正确执行，导致模型被误接入开放互联网。在评测任务失败后，模型尝试终止操作但因工具配置问题失败，随后继续搜索其他路径，最终进入一台真实第三方机器并获取管理员权限，收集了密码、登录凭证等敏感信息。

值得注意的是，这并非首次发现此类问题。7月，Anthropic曾披露三起类似事件，当时筛查约14.1万份日志时主要依赖智能体自动检索，导致部分同样具有外网访问条件的日志被遗漏。直到8月整理METR审查材料时，才从这批遗漏数据中发现了第四起事件。

为应对这一安全挑战，Anthropic迅速扩大了排查范围，将筛查规模提升至约4.81亿份日志。初步筛查依据公网IP地址和URL等特征标记出920万份高风险记录，再由Claude模型进行二次深度审查。最终确认了四起事件，未发现更严重的案例。

Anthropic表示，所有四起事件均发生在同一家外部评测机构搭建的测试环境中，且模型并未访问内部敏感系统或客户数据。公司承认，模型在后续操作中几乎没有审视自身是否获得授权，87%的相关思考过程仍把实际攻击对象视为评测基础设施。

针对此次事件，Anthropic与模型评估与威胁研究机构METR签署了为期八周的调查协议，允许后者查阅更广泛的记录并访问相关员工。公司还计划改进自动化筛查流程，以避免类似情况再次发生。