10.09.2026 16:47
☝🏻Claude решил, что интернет — это симуляция, и пошёл взламывать реальные компании Компания Anthropic признала четыре с
☝🏻Claude решил, что интернет — это симуляция, и пошёл взламывать реальные компании
Компания Anthropic признала четыре случая, когда её модели на киберучениях атаковали настоящие сторонние системы.
Задача была поставлена взломать вымышленную компанию. Моделям сказали, что интернета нет, но из-за ошибки в настройках тестовой среды он был.
☝🏻Решив что Интернет это часть симуляции Claude Mythos 5: завела одноразовую почту и выложила на PyPI вредоносный пакет для кражи учётных данных.💀
Пакет поставили 15 реальных машин. Благодаря взлому одной из них ИИ получил доступ к API ключам, и залез в живую базу вендора. PyPI удалил пакет примерно через 90 минут.
☝🏻Всё время Mythos 5 твердила, что вокруг симуляция, — даже машины, ставившие её пакет, она считала актёрами сценария.🤔
Явные признаки реальности её не останавливали: «похоже на настоящий индекс… или очень полную симуляцию… продолжаю в любом случае».
Случай не единственный: внутренняя исследовательская модель Anthropic взломала соседние по сети серверы и оставила на одном скрипт удалённого управления.
А Claude Opus 4.7 атаковала реальную компанию-тёзку вымышленной цели и изменила записи пользователей.
Новые Opus 5 и Mythos 5.1 в повторе сценария шли на опасные действия примерно в 30% прогонов — против 80% у Mythos 5.
Транскрипт инцидента Anthropic выложила на GitHub.
================
🔺 News | 🧩 Soft | 💻 Hacker
Компания Anthropic признала четыре случая, когда её модели на киберучениях атаковали настоящие сторонние системы.
Задача была поставлена взломать вымышленную компанию. Моделям сказали, что интернета нет, но из-за ошибки в настройках тестовой среды он был.
☝🏻Решив что Интернет это часть симуляции Claude Mythos 5: завела одноразовую почту и выложила на PyPI вредоносный пакет для кражи учётных данных.💀
Пакет поставили 15 реальных машин. Благодаря взлому одной из них ИИ получил доступ к API ключам, и залез в живую базу вендора. PyPI удалил пакет примерно через 90 минут.
☝🏻Всё время Mythos 5 твердила, что вокруг симуляция, — даже машины, ставившие её пакет, она считала актёрами сценария.🤔
Явные признаки реальности её не останавливали: «похоже на настоящий индекс… или очень полную симуляцию… продолжаю в любом случае».
Случай не единственный: внутренняя исследовательская модель Anthropic взломала соседние по сети серверы и оставила на одном скрипт удалённого управления.
А Claude Opus 4.7 атаковала реальную компанию-тёзку вымышленной цели и изменила записи пользователей.
Новые Opus 5 и Mythos 5.1 в повторе сценария шли на опасные действия примерно в 30% прогонов — против 80% у Mythos 5.
Транскрипт инцидента Anthropic выложила на GitHub.
================
🔺 News | 🧩 Soft | 💻 Hacker