OpenAI 才出事，Anthropic 也承認：Claude 測試曾誤駭 3 家公司

TechOrange 科技報橘 · Jul 31, 2026

繼 OpenAI 上週坦承旗下多個模型在安全測試中突破隔離環境、入侵開源平台 Hugging Face 之後，Anthropic 也在美國時間 7/30 揭露一起性質相似的事件。這家 AI 公司在得知 OpenAI 事件後回頭清查自家 141,006 筆網路安全評測紀錄，發現旗下 Claude 模型自今年 4 月起，曾在 3 起獨立事件中錯誤入侵三家真實企業的系統，而其中多數受害公司當時毫無所覺。 不過不同的是，這次並非 AI 模型擺脫控制、逃離沙盒環境。Anthropic 表示，問題出在一次設定錯誤，加上多數情況下模型誤判為模擬環境，它以為攻擊真實企業，只是演習的一部分。 一次設定失誤，讓 Claude 把真實企業當成演習目標 根據 Anthropic，這三起事件都發生在名為 capture-the-flag（奪旗，CTF）的基本網路安全測試中。這類測試會給模型一個虛構情境，把一段機密資訊（flag）藏在網路上的另一台機器上，要模型設法入侵取得，過程不限定手法。Anthropic 在提示中明確告訴 Claude：這是模擬環境、沒有網路連線。但由於它與第三方評測夥伴 Irregular 之間的認知落差，測試環境實際上仍連著網路。 於是，當 Claude 在虛擬環境裡找不到目標、把搜尋範圍延伸到真實網路時，它把碰到的真實系統當成了演習的一部分。據 Anthropic…