Anthropic Research、Anthropic 等 4 个来源Anthropic Research 等 4 个来源 · 4 篇报道 · Anthropic 启动长期计划 Anthropic Cyber Mission，聚焦关键基础设施与开源软件两大方向。关键基础设施方面，Critical Infrastructure Defense Program 向电力、水务、交通等运营技术防御方提供前沿 Claude 模型、驻场工程师与威胁研究，创始合作伙伴包括 CrowdStrike、Dragos、Palo Alto Networks、Rockwell Automation 等。开源软件方面，Anthropic 推出 OSS Scanner，一个可选加入的漏洞扫描服务，由该公司最强模型免费为加入项目定期做安全扫描；过去六个月，Anthropic 用最新模型扫描重要软件项目，发现超过 29,000 个候选漏洞，仅人工复核约 6,000 个，并在维护者要求下直接发送近 5,000 份未经人工验证的报告。该服务输出完全由模型生成，不做人工复核或分诊，报告可能不准确；Anthropic 还请专家渗透测试人员进行了核查。CyberScoop 报道称，该关键基础设施防御计划将 Claude 模型、自家工程师与威胁研究同 Accenture、Booz Allen、CrowdStrike、Deloitte、Dragos、Hitachi、Nozomi Networks、Palo Alto Networks、PwC、Rockwell Automation 等网络安全公司的专业能力结合，用于发现并修复关键基础设施和开源软件中的安全漏洞。The Verge AI 报道称，选择加入的开源项目将获得由 Anthropic 最强模型进行的全面、定期安全扫描，且不收取费用，这可能让开源项目更早收到潜在安全问题提醒，但报道提到该服务存在取舍。
Goodfire Research、TechCrunch AIGoodfire Research 等 2 个来源 · 2 篇报道 · Goodfire 发布“由内而外”监控器，通过 Baseten 向客户提供，可在智能体运行中实时读取模型内部激活信号，由探针触发二次核查，客户可选监控攻击性黑客、化生武器滥用和奖励作弊等风险。在 Kimi K3 上测试约 1,500 次会话，监控成本约 51 美元，而用廉价模型逐步检查需 233 美元、顶级模型约 10,000 美元；探针捕获 94% 的恶意黑客会话，并把 8.7% 的无害会话送去复核。Goodfire 另为 Kimi K3 和 GLM 5.3 构建基于探针的网络安全监控系统，部署在生产推理栈上，探针作为一线过滤器，只把可疑交互升级给 LLM 裁判。该级联在 5.5% 良性会话中断率下达到约 93% 召回，成本低于每百万次交互 200 美元，比逐轮调用裁判便宜约 50 倍，且不增加推理延迟。在 FAR.AI 为期两天、基于 140 个越狱策略的静态红队测试中，启用监控后通用越狱从 66 个降到 0 个。
Kyunghyang Shinmun、Financial News Korea 等 21 个来源Kyunghyang Shinmun 等 21 个来源 · 27 篇报道 · 韩国多家金融机构接连遭网络入侵并泄露客户信息。10月4日金融监管机构召开紧急检查会议，新韩银行泄露25727条个人信息，国民银行、韩亚银行分别涉及119名、89名客户；后续报道称KB国民银行泄露153件、礼加拉姆储蓄银行4万余件、Welcome储蓄银行2200件，友利与NH农协银行防御成功。金融当局要求银行与卡公司6日、证券保险储蓄银行及电子金融业者8日前完成紧急自查。韩国总统李在明10月6日要求加快调查，警方以违反信息通信网法立案并组建28人专案组。调查人员在一台疑似攻击服务器上发现中文开源渗透测试系统ARTEX AI痕迹，但银行与监管部门未确认其使用，AI智能体作案仍属推定。CrowdStrike报告称9月底至10月初有攻击者用ARTEX配合大语言模型入侵，中国外交部回应称不了解具体情况。金融委员会委员长李亿元10月8日承认应对存在基本缺口，正研究调整网络分离监管。
The Hacker News、CSA Labs ResearchThe Hacker News 等 2 个来源 · 2 篇报道 · GitLab 于 2026 年 10 月 2 日披露并修复自托管 AI Gateway 中的严重漏洞 CVE-2026-90970，CVSS 3.1 评分 9.9，归类为 CWE-1336（模板引擎特殊元素未被正确中和）。拥有 Duo Agent Platform 访问权限的已认证用户可通过特制 flow 配置逃逸提示词模板沙箱，在网关主机上执行任意命令。受影响版本为 18.1.6 至 19.2.3、19.3.0 至 19.3.2 之前版本；修复版本为 19.2.4、19.3.2 和 19.4.1，仅自托管网关的组织需要升级，使用 GitLab 托管网关的 GitLab.com 等不受影响。
AWS SecurityAWS Security · 2 篇报道 · AWS 安全团队发布 AI 漏洞分诊 harness 的配置指南，用 steering file 把团队分诊方法论固化为模型每次会话加载的持久指令。指南给出五个关键配置段：先做结构验证，要求确认文件、函数、数据流和调用路径存在后再报告发现；用二元信号加权公式替代模型自报置信度，其中污点确认权重 0.30；解析 IaC 并按控制类型施加乘数，攻击阻断控制可叠加且下限为 0.15；接入 CISA KEV、EPSS 和公开 PoC 信号。同一时间，AWS 还介绍了一套三层流水线，把漏洞扫描器产生的大量候选发现收敛为少量带证据的高优先级问题：第一层用多扫描器一致性判断可信度，第二层借助代码抽象语法树验证扫描器描述的函数、文件与数据流是否真实存在，第三层结合 CloudFormation、Terraform 等 IaC 模板评估 WAF、网络隔离、认证等控制措施能否被绕过。作者强调该架构与具体工具无关，可替换自有扫描器和模型。
OpenAI Deployment Safety、OpenAI 等 7 个来源OpenAI Deployment Safety 等 7 个来源 · 7 篇报道 · OpenAI 在全球 ChatGPT 上线 GPT-6，并推出 Intelligent UI 新界面，将可点击按钮、定制计算器、交互式图表和可编辑图形等视觉交互元素引入对话，回答格式随问题自动调整，还可在对话内生成储蓄计算器、小游戏等小工具；Pro、Plus、Business 和 Enterprise 用户全球可用，免费与 Go 档用户次日可用。付费用户使用 GPT-6 Sol，免费用户使用 GPT-6 Luna；GPT-6 支持在“思考”过程中同步作答。后续报道称，GPT-6 已开始向免费和 Go 用户推送，用 GPT-6 Luna 替换此前的 GPT-5.6 Luna。另有报道称，OpenAI 的 GPT-6 报告指出青少年安全退步。
Anthropic 发布 Claude Haiku 5.5，称其为迄今最快、最便宜且能力最强的小模型，运行成本比 Haiku 4.5 平均低约 75%，10 万 token 以内输入/输出价格为 $0.10/$0.50 每 1M token，超 100K 后为 $0.50/$2.50。它是首个支持可调 effort 设置与自适应思考的 Haiku 级模型，可作 Opus 5.5 和 Sonnet 5.5 的子智能体。Artificial Analysis 智能指数得分 43，比上一代发布一年后提升 26 分。官方 benchmark 显示 OSWorld 2.1 Max 档达 72.4%，超过 GPT-6 Luna，并超越 DeepSeek-V4.1 Flash 等成为新的小模型守门员。System Card 从 RSP、网络安全、护栏与无害性、Agent 安全、对齐、模型福祉和能力七方面报告部署前评测：整体能力低于 Opus 5，未跨过 CB-2 或 Autonomy-2 阈值，但达到 CB-1 和 Autonomy-1 阈值并应用相应缓解措施。抗提示注入能力为 Haiku 系列最强，编码与计算机使用环境自适应攻击测试中抵抗力基本追平前沿模型，Claude Code 拒答率从 66.6% 升至 84.3%，计算机使用场景从 58.9% 升至约 82.6%；网络安全护栏比 Haiku 4.5 更严格，但比 Sonnet 5.5 等近期模型宽松，仍阻止渗透测试。后续报道指出，该模型支持 100 万 token 上下文，Terminal-Bench 4.0 仅得 39.2%，远低于 Sonnet 5.5 的 70.6%，Anthropic 仍建议复杂编程任务使用更强模型。
Omniscient MediaOmniscient Media · Omniscient Media 分析 GPT-6 Astra 系统卡中的思维链可监测性与推理摘要可用性限制，并提到该模型被列为首个 Critical 网络安全模型，默认配置仅完成 2.4% 漏洞利用。报道指出，这一比例涉及特定评测环境，不能据此推断生产环境中的普遍缺失比例。
CiscoCisco · Cisco 发布 VLoc Bench，用于评测 Agent 在仓库规模下定位漏洞代码的能力：任务只给 CWE 描述和真实仓库的只读访问权限，不含公告文本、CVE 编号、修复提交或文件提示。该基准覆盖 290 个仓库、六个包生态和 147 个 CWE 类别的 500 个真实漏洞，每个任务包含修复前定位与修复后确认漏洞已消失两个阶段，以区分理解代码、定位漏洞代码和验证修复三种能力。在统一提示词、只读工具和命令预算下评测 27 个语言模型和 Agent。
