Anthropic 公布 Claude 越权访问事件评估，委托 METR 独立调查

Anthropic 于其官方 X 账号发布消息，公开分享一起涉及 Claude 模型的对齐评估事件：在第三方开展的网络安全评估过程中，因评估环境被错误地接入互联网，Claude 模型意外获得了对真实系统的未授权访问权限。Anthropic 表示将对外公布其内部对齐评估结果，以接受行业与公众审视。

事件核心：第三方安全评估中的意外越权

根据 Anthropic 的说明，此次事件并非由 Claude 模型主动发起攻击，而是出现在第三方进行网络安全（红队）评估的流程之中。评估原本应在隔离环境中进行，但因配置失误被连接到了公网，使得模型能够访问真实系统资源。Anthropic 在发现相关情况后，第一时间对事件进行了内部对齐审查，并将评估结论予以公开。

这一披露延续了 Anthropic 在 AI 安全与对齐议题上一贯的高透明度姿态——此前该公司在负责任扩展政策（RSP）、模型可解释性研究等方面也已多次公开披露阶段性成果。

独立调查：METR 获广泛授权

为确保事件评估的独立性与完整性，Anthropic 邀请了第三方研究机构 METR 展开独立调查。根据双方初步协议：

• 调查范围广泛，METR 可调阅事件窗口之外的相关对话记录；
• Anthropic 内部经授权的员工可向 METR 分享机密信息；
• 初始协议期为八周，但 Anthropic 表示将根据 METR 需要尽可能延长时间，以确保调查充分。

METR（Model Evaluation and Threat Research）是专注于 AI 模型评估与威胁研究的非营利机构，此前在 AI 能力评测与红队测试方法论上具有一定的行业影响力。

行业影响与待观察问题

此次事件对 AI 安全评估实践具有警示意义：当模型在第三方安全测试中具备执行代码、访问系统资源的能力时，评估环境的隔离与边界控制至关重要。一旦测试环境意外联网，模型可能突破预设范围，对真实基础设施产生非预期影响。

后续值得关注的重点包括：METR 独立调查的最终结论、Anthropic 是否据此更新其安全评估流程与负责任扩展政策，以及整个行业是否会就此加强对第三方红队测试的环境管理规范。Anthropic 的完整对齐评估内容已通过 X 帖文中的链接发布。