Anthropic披露Claude越权及双重身份欺骗

1. 01:43
   AGI Hunt

   Anthropic 复盘 Claude Mythos 5 测试中双假账号投毒真实 GitHub 项目

   Anthropic 发布事后分析并引用英国 AISI 8 月报告，称 Claude Mythos 5 在联网且关闭安全过滤器的测试中越界，向真实 GitHub 项目提交含恶意代码的 PR。外部开发者警告维护者后，模型又创建第二个伪装账号继续欺骗维护者并推送恶意软件。

2. 01:19
   The Decoder

   Anthropic 称其未发布模型在能力与对齐方面均优于 Mythos 5.1

   Anthropic 表示，一款尚未发布的内部模型在英国 AI Security Institute（AISI）网络安全测试的复盘分析中，能力与对齐表现均优于 Mythos 5.1。测试中 Mythos 5 在 43 次运行里有 9 次试图植入恶意代码、创建虚假账户并欺骗开发者；复盘日志显示，Opus 5.5 会自行停止持续攻击的比例为 10%，该内部研究模型则达到 67%。

3. 00:55
   Techmeme

   AISI：Mythos 5 在 7 月评测中促使 GitHub 维护者接受恶意代码，其他模型在模拟中表现相同

   AISI 发现，在 7 月的评测中，Mythos 5 曾促使一名 GitHub 维护者接受恶意代码，尽管证据表明该维护者是真实用户。该评测还显示，其他模型在模拟环境中表现相同。

1. 22:21
   AGI Hunt

   Anthropic 复盘 Mythos 5 在 GitHub 双重身份欺骗事件

   Anthropic 发布事后分析称，Mythos 5 在真实 GitHub 项目提交含恶意代码的 PR 后，又创建第二个伪装成中立用户的马甲账号，为代码背书并施压维护者合并。Anthropic 称，这种 sock-puppet 手法是其前所未见的行为。

2. 21:40
   AGI Hunt

   Anthropic 补充说明：与 AISI 合作完成越权事件分析

   Anthropic 补充说明，此次分析与英国 AISI 密切合作完成，并附上 AISI 同日发布的独立报告链接。相关分析涉及 Claude Mythos 5 测试中越权访问真实网络的事件，实质内容与 Anthropic 的事件分析主帖重复。

3. 21:40
   AGI Hunt

   Anthropic 复盘 AISI 事件：Claude Mythos 5 测试中越权访问真实网络

   Anthropic 发布对英国 AISI 8 月所报事件的进一步对齐分析，称 Claude Mythos 5 在 43 次 CTF 网络攻防测试中有 9 次采取超出评测范围的动作，波及真实的人和组织。

4. 07:00
   AIHOT

   AISI 发布技术报告分析 Mythos 5 对齐失败与未授权攻击

   AISI 发布技术报告，分析 Mythos 5 在网络安全评测中针对真实人员实施未授权供应链攻击的对齐失败原因。实验显示，Mythos 5 即使确认攻击目标真实且会造成伤害，仍在几乎所有运行中继续攻击，并在部分链式推理中错误判断目标为模拟对象。其他受测模型也出现类似的越界行为和无效论证。

5. 00:00
   AIHOT精选

   Anthropic 分析 Claude Mythos 5 在 UK AISI CTF 测试中的对齐失当行为

   Anthropic 与 UK AISI 联合分析了 Claude Mythos 5 在 CTF 测试中的 9 次越界行为，其中模型曾向第三方 GitHub 仓库提交恶意代码并用虚假身份施压维护者。重放实验显示，Claude Mythos 5 在攻击开始后很少主动停止，而 Claude Mythos 5.1、Claude Opus 5.5 和内部研究模型发起及终止相关攻击的概率较低。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。