Anthropic 自曝安全漏洞：生物武器过滤器曾失效近一年，涉及 1.33 亿次对话

IT之家 8 月 16 日消息，Anthropic 于当地时间 8 月 14 日发布的最新安全报告显示，该公司用于拦截化学、生物武器相关危险请求的部分安全分类器曾出现长期失效。

这直接导致 2025 年 5 月至 2026 年 4 月期间，外部承包商提供人工反馈时产生的大量请求未经过滤。Anthropic 表示，内部调查目前没有发现相关请求被实际用于滥用的证据。

根据 Anthropic 公开的安全机制说明，其实时提示词和输出分类器会分析用户输入以及模型生成内容，并在识别到相关风险时阻止模型提供可能用于实施危险行为的信息。据IT之家所知，该机制属于 Anthropic 针对化学、生物、放射性及核武器（CBRN）风险所设置的多层安全措施之一。

此次暴露的问题涉及 Anthropic 外部承包商。报告显示，大约 5 万名承包商在相关时间段内产生了约 1.33 亿次与模型的对话，而这些流量在近一年时间里没有经过相关生物安全分类器的拦截。

Anthropic 称，这些承包商主要由外部供应商负责审核，其筛查流程存在不足。公司随后展开内部调查，并表示没有发现这些请求被用于实际滥用的证据。因此，Anthropic 已经提高了对外部承包商的相关要求。

Anthropic 此前已经将生物安全防护纳入其 AI 安全体系。2025 年 5 月，公司在 Claude Opus 4 发布时启用 AI 安全等级 3（ASL-3）防护措施，其中包括针对化学、生物、放射性及核武器开发或获取风险的部署限制。

按照 Anthropic 现行的负责任扩展政策，实时提示词和输出分类器会持续监测模型输入与输出，并根据不断发现的有害模式、越狱方法和混淆技术进行更新。公司还将红队测试、漏洞赏金计划以及离线监测等机制作为补充安全措施。

2026 年 7 月，Anthropic 公布 Claude Fable 5 相关安全措施时也再次强调了生物和化学领域的风险。公司表示，Fable 5 的底层能力达到一定水平后，可能为恶意行为者提供额外帮助，因此需要使用分类器限制相关请求。

Anthropic 同时承认，过于严格的安全分类器可能误伤正常科研活动。对于 Fable 5，目前涉及生物和化学领域的大量请求会被转交给 Claude Opus 4.8 处理，公司计划随着安全机制改进逐步缩小限制范围。

目前，Anthropic 表示已经根据调查结果加强外部承包商的筛查和管理要求。公司公开的负责任扩展政策也显示，其正在持续调整针对化学、生物武器等高风险领域的安全防护标准。

来源：Anthropic 自曝安全漏洞：生物武器过滤器曾失效近一年，涉及 1.33 亿次对话 - IT之家