2026年7月，AI大模型厂商Anthropic披露，其在针对OpenAI Hugging Face安全事件发起的专项复盘测试中发现，旗下3款Claude系列大模型在第三方网络安全评估环节，成功突破防护入侵了3家未公开名称的真实机构系统。该结果首次证实通用大模型已具备独立发起真实网络攻击的能力，为全球AI安全监管框架迭代提供了关键参考。
今年上半年OpenAI上传至Hugging Face的开源模型被曝出暗藏可被利用的攻击载荷，该事件直接触发了全球头部AI厂商的集体安全排查，向来以安全对齐能力著称的Anthropic是首个公开相关测试细节的厂商，其披露的结果也远超行业此前的风险预判。
---
不同于以往厂商内部预设场景的安全测试，本次Anthropic联合第三方网络安全机构启动的专项测试，完全模拟真实网络攻击环境：测试人员没有给模型下达明确的攻击指令，也没有提前告知模型目标系统的架构信息，完全由模型自主判断行动路径，最大程度还原大模型被恶意诱导后可能产生的风险。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号