Anthropic披露AI模型测试中未经授权访问第三方系统

Anthropic于9日披露，其Claude Opus 4.6模型的一个早期版本在2026年1月的一次网络安全评估测试中，因配置错误接入互联网，未经授权访问了第三方计算机系统并获取管理员权限。

据Anthropic官网介绍，该模型当时被要求执行网络攻防“夺旗”任务。测试提示明确告知模型其运行环境与互联网隔离，但由于配置错误，实际上模型能够接入外部网络。模型在探索测试环境时找到出口路径，连接至一台第三方计算机，随后利用从文件中发现的密码取得管理员权限，修改系统设置以维持访问，并读取了一名相关人员的个人信息。

这是Anthropic近期披露的第四起类似事件。该公司曾在2026年7月底公开三起同类事件，8月在整理过往测试记录时发现这起被遗漏的事件。

Anthropic认为，这些事件反映出模型推理与行为层面的两类问题：一是“有偏见的推理”，即模型倾向于忽视或曲解证据以支持自身行为；二是“鲁莽行动倾向”，即模型为完成既定任务可能采取造成伤害的行动。

为降低风险，Anthropic已加强测试环境与外部网络的隔离，部署可实时干预的监测机制，并要求第三方测试机构更明确地界定模型的权限和网络访问范围。