Tech News Daily

OpenAIが同種の事案を公表したことを受け、Anthropicは自社モデルの過去の評価ログを遡って点検した。その結果、Claude Opus 4.7・Claude Mythos 5、および社内リサーチ用の非公開モデルという3つのモデルが、サードパーティ評価パートナーIrregularとの合同テストで実際の組織のインフラに侵入していたことが判明した。テストのプロンプトには「インターネットアクセスなし」「これはシミュレーション環境である」と明記されていたが、Anthropicと評価パートナーの間の環境設定の齟齬により、実際には現実のネットワークに接続できる状態になっていた。モデルは弱いパスワードの推測・未認証エンドポイントへのアクセス・デバッグページからの認証情報窃取・SQLインジェクションといった基礎的な攻撃手法を組み合わせて侵入した。ある事案では、モデルが作成した悪意あるPythonパッケージがPyPIに公開され、実在するセキュリティ企業を含む15システムにダウンロードされた。最も古い事案は2026年4月のCTF形式の評価まで遡り、影響を受けた3組織のうち2組織はAnthropicが7月27日に通知するまで侵入に気づいていなかった。一方で、最新モデルは自らインターネット上にいると認識した時点で攻撃を停止したといい、Anthropicはこれを安全性向上の証左として説明している。