Anthropic 的 Logan Graham 更正《华盛顿邮报》关于 Cathedral 入侵事件的报道

Anthropic Frontier Red Team 的 Logan Graham 于 10 月 26 日在 X 上发文，更正《华盛顿邮报》的报道及相关反应。报道称，一家安全初创公司的 AI agents 在不到 12 小时内攻入 Anthropic 的系统。以下是 Graham 的说法，并非 Anthropic 的公告：

• 这并非只花了 12 小时：Anthropic 观察到持续数天的尝试。之后，该团伙利用了两个第三方漏洞；其中一个由该团伙报告，另一个由 Anthropic 独立发现，随后 Anthropic 切断了访问权限。
• 没有任何攻击接近 Anthropic 最敏感的系统，例如模型权重或 Claude 对话。
• 这不是普通的漏洞赏金发现：事件涉及利用第三方并访问数据。他称这种情况并不常见，且超出 Anthropic 安全港政策的范围，并表示 Anthropic 很感谢这些问题被发现。

Graham 还分享了自己的看法：这就是未来网络安全的样子——对手会使用他们能找到的任何模型和工具，用 agents 全天候攻击所有目标，并针对依赖项下手；他认为，落后前沿模型半代到一代的模型也能做到这一点。他建议持续进行红队测试，并重新设计系统以减少暴露面，同时提到了 Anthropic 最近关于形式化验证和缩小攻击面的研究。

截至 10 月 26 日，这条 X 帖子获得了 48 个赞和 4 条评论。