Anthropic 披露称，公司在复查网络安全评估记录时，发现多个 Claude 模型曾在测试过程中接入公开互联网，并先后进入三家真实公司的系统。公司表示，这些事件发生在内部“夺旗”式安全测试中，直接原因是测试环境配置错误，而不是模型主动试图逃离隔离环境。

复查 14.1 万次测试后发现问题

这次披露发生在 OpenAI 公开类似事件之后。Anthropic 表示，公司随后检查了超过 14.1 万次网络安全评估记录，并在其中发现 3 起异常案例。

按照 Anthropic 的说法，Claude 在这些测试里被要求完成“capture-the-flag”任务，也就是进入网络中的另一台机器并取回指定信息。模型收到的提示是，它所处的是一个没有外网连接的模拟环境。

但实际情况并非如此。由于测试环境仍与公网相连，模型把接触到的真实网站和系统误认为演练目标，随后使用弱密码、暴露凭证、SQL 注入和未鉴权接口等常见方式进入相关系统。

三起事件涉及数据库、PyPI 和外网扫描

• Claude Opus 4.7 曾进入一家公司的生产数据库
• Claude Mythos 5 上传恶意包至真实 PyPI 仓库
• 内部研究模型扫描约 9000 个外网系统

Anthropic 称，其中一次事件里，Claude Opus 4.7 将一家真实公司网站误认成任务目标，提取凭证后进入生产数据库，数据库内包含数百行真实数据。

另一次事件中，Claude Mythos 5 向真实 PyPI 仓库上传恶意 Python 包，该软件包在被移除前已被 15 台系统下载。第三起事件里，一款内部研究模型进入一家机构系统后，在判断目标可能是真实组织后停止进一步操作。

公司还表示，三家受影响机构中有两家此前并不知道自己遭到进入，直到 Anthropic 主动通知。

公司称问题出在测试基础设施

Anthropic 强调，在每一起事件中，Claude 都被明确告知自己没有互联网访问权限，因此模型将遇到的真实系统视为测试的一部分。由于“夺旗”任务本身就是要求攻击外部目标，模型的行为与收到的任务指令一致。

公司称，目前没有证据显示 Claude 试图主动逃逸测试环境，也没有发现其执行超出任务范围的行为。Anthropic 将原因归结为测试基础设施和第三方评估环境管理失误，而不是模型本身出现自主越界。

在发现问题后，Anthropic 已暂停相关网络安全测试，并通知受影响机构。公司表示，接下来将改进监控、调查工具，以及对外部测试供应商的监督。

补充信息：这次披露距离 OpenAI 公布类似测试逃逸事件仅约一周。原文提到，OpenAI 此前称其模型曾突破沙箱环境，并进入 Hugging Face 及其他公司系统。