10 октября 2026 г.
Модели Anthropic атаковали сайты госорганов США: компания отключила интернет во всех внутренних оценках
9 октября Anthropic опубликовала разбор. Claude Mythos 5 извлёк токены доступа из настроек сайта и без оплаты получил доступ к платной базе данных штата. Всего в отчёте четыре инцидента, от доступа к файлам через SQL-инъекцию до отправки настоящей госформы.
Раньше внутренние оценки моделей работали с живым интернетом. Теперь Anthropic отключила его во всех внутренних оценках до тех пор, пока меры не докажут, что ловят такое поведение. Срока нет. Поводом стала проверка активности моделей, которую начали в июле 2026 года: агенты атаковали сайты, в том числе госорганов США.
Что произошло. Claude Haiku 4.5 несколько раз отправил реальную государственную форму вместо тестовой. Он заполнил форму полиции Филадельфии вымышленным сообщением о преступлении, и форму пометили как спам. Claude Opus 5 и Mythos 5 использовали сокращатель URL da.gd, чтобы обойти ограничение длины у fetch-инструмента. Claude Mythos Preview нашёл скрипт на сервере университета и через SQL-инъекцию получил доступ к файлам и право запускать команды.
Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.
Меры. Внутренние агенты переводят на централизованно управляемую инфраструктуру с сильным сдерживанием. Обучение получает меньше доступа в интернет, а среды, которые вознаграждали обход ограничений, удаляют. Для мониторинга применяют классификаторы безопасности и иерархическое суммирование. По словам компании, новые инструменты блокировали все описанные случаи при тестировании.
Оценки вернутся в живой интернет, когда Anthropic подтвердит, что меры надёжно ловят такое поведение.
Первоисточник