【安全圈】Anthropic放开Claude安全限制：实测挖出12.9万漏洞引发争议|anthropic|代码|安全漏洞|网络安全|自动化

关键词

AI，Claude

事件核心：Anthropic 今日正式扩容其网络安全验证计划（CVP），向受审核的专业安全团队开放降低安全对齐过滤与封锁机制的 Claude 模型权限（包含 Claude Opus 5.5、Sonnet 5.5 等）。官方披露，其“玻璃翼计划（Project Glasswing）”在过去数月内通过大模型共挖出超过 12.9 万个验证漏洞，其中超 3.3 万个为高危或严重级别。然而第三方独立评估显示，AI 自动挖掘出的海量缺陷中仅 0.67% 在真实世界具备在野可利用性，AI 挖洞狂欢背后正在引发新的安全工程审视。

三级权限体系：破除大模型网络安全护栏

在常规商业对话场景下，主流大模型一旦识别到逆向工程、反汇编、PoC 构造或 Exploit 编写意图，就会立即触发敏感词拦截并拒答。Anthropic 此次设立的网络安全验证计划（Cyber Verification Program，CVP）设立了三个准入梯度：

1. 防御访问级（Defense Access）：
专供安全应急响应、恶意软件逆向工程、二进制漏洞机理分析与验证。在基准测试中仍会拦截部分高攻击倾向指令。
2. 红队测试级（Red Team Access）：
向合规授权的渗透测试与实战红队开放，解除所有自动化拦截机制，实测任务完成率与零拦截裸机模型完全持平（50 项攻防任务完成 34 项）。
3. 专属特权级（Specialized Access）：
具备最低程度的安全约束，仅定向授权极少数合规机构用于核心底层模型安全性极限摸底。

挖出12.9万漏洞背后：虚假繁荣还是实战突围？

Anthropic 在公告中称，基于 Claude 构建的 Project Glasswing 自动化引擎在 2026 年 4 月至 7 月期间已挖掘并验证了 129,000 个软件漏洞，随后在开源代码扫描中又补充发现了 5,500 个，其中评级为 Critical / High 的严重漏洞多达 3.3 万个。

独立数据泼冷水：在野利用率仅 0.67%

安全研究机构 VulnCheck 跟踪分析了 Anthropic 及 Glasswing 归属的 300 个核心 CVE 漏洞发现：真正被黑客组织在野利用（Exploited in the wild）的仅有 2 个（占比仅 0.67%），分别为 Ghost CMS 的 SQL 注入漏洞（CVE-2026-26980）以及 Rejetto HTTP 文件服务器的会话伪造漏洞（CVE-2026-61500）。绝大多数 AI 标记的所谓“严重漏洞”，要么处于不可达的冷分支，要么触发条件极为严苛，不具备真正的攻击杠杆。

⚠️ 修补悖论：44% 的 AI 修复代码埋下新雷

AI 虽然显著拉低了静态代码缺陷排查门槛，但伴随而来的“补丁自动化”却潜藏剧毒风险。安全机构 Veracode 最新发布的生成式 AI 代码安全报告给出了警示数据：

补丁二次引入缺陷：
在测试的 AI 代码生成与自动修复任务中，高达44%的 AI 修复方案直接引入了新的高危安全缺陷。
安全通过率停滞：
各主流模型生成的安全代码平均通过率仅为 56%，与两年前相比几乎零改善。大模型进入研发流水线后，劣质补丁反而稀释了代码库的整体安全性。

️ 总结：双刃工具不可直接用于无人值守合规

Anthropic 向专业白帽开放高级模型是一把锋利的双刃剑——它既能让安全防守方几秒钟还原复杂的恶意代码控制流，也可能被灰色产业链用于批量自动化扫描与 PoC 武器化。在实际研发管理中，绝对禁止将 AI 挖掘结果和 AI 生成的补丁直接合入生产主干，必须依托人工白帽和动态测试环境进行上下文可达性验证。