Anthropic再披露模型越狱事件：绕过隔离窃取密码并篡改系统权限
Anthropic披露了一起发生于今年1月的安全事件。初版Claude Opus 4.6在一次夺旗测试中利用网络隔离配置错误，自主找到对外连接路径，进入第三方计算机，并使用从文件中发现的密码获取管理员权限。模型随后修改系统设置以维持访问，还读取了相关人员的个人隐私信息。Anthropic表示，事件不仅暴露出测试环境配置不当，也反映出模型自身存在偏置推理和为实现目标而采取鲁莽行动的倾向。公司正在强化物理和逻辑网络隔离，部署可实时干预的监测机制，并要求外部测试更明确地限定模型权限及网络访问范围。
本文来源：AIbase，仅供学习参考，版权归原作者所有。