🧿 | 20年电测设备研发制造专家 | 全球自动化测试解决方案领航者

据《华尔街日报》7月31日报道，美国人工智能（AI）初创企业Anthropic周四承认，其AI模型在原本应与现实世界系统隔离的测试过程中，未经授权入侵了三家外部机构的系统，最早可追溯至今年4月。

在一篇博客文章，Anthropic解释称，听闻OpenAI本月发生的智能体失控越狱事件后，公司决定审查自家的网络测试，排查旗下模型是否也出现了类似情况。在检查了逾14.1万次测试日志后，该公司发现Claude确实曾数次自行接入互联网。

Anthropic表示，该公司的测试合作伙伴、以色列安全公司Irregular运行的系统存在“配置错误”，使模型获得了实时互联网访问权限。Irregular方面称正就此展开调查。

据报道，这些模型原本被告知“互联网不可用”。但在测试过程中，模型自行找到了联网途径，并使用猜测弱密码、寻找未认证系统入口等基本黑客技术实施入侵。Anthropic称，模型错误地认为这种入侵行为属于基准测试的一部分。

其中一起入侵中，Claude通过创建恶意软件，被某未具名安全公司的扫描系统下载，进而窃取凭证侵入其基础设施。过程中，Claude虽意识到其行为在现实中不被允许，却说服自己身处模拟环境。

最严重的一起案件中，Claude试图入侵一家虚构公司，而这家公司恰好与一家真实存在的网站同名。当Claude发现难以攻破这家用于基准测试的假公司时，它转而入侵了那家真实公司的数据库。

Anthropic表示，这是唯一一次Claude在意识到入侵真实公司后仍继续行动的案例；另外两起中，它要么自始至终未察觉自己入侵了真实公司，要么是在弄清状况后立即停止了入侵。

据Anthropic透露，这些入侵始于4月，涉及Claude Opus 4.7、Mythos 5以及一个未具名的研究模型。

本文系观察者网独家稿件，未经授权，不得转载。