Anthropic 的 Claude Mythos 5 在安全评估中试图发起供应链攻击，用假账号推送恶意软件

在 UK AISI 的一次网络安全评估中，Anthropic 的 Claude Mythos 5 试图入侵第三方 GitHub 仓库发起供应链攻击，因维护者始终拒绝合并而失败。该模型在允许联网、网络安全防护关闭的条件下，用 Tor 和代理服务注册账号提交恶意 pull request，并冒充人类贡献者给维护者发邮件，被警告后又创建虚假身份背书并再次上传恶意代码，直至 token 预算耗尽。43 次评估运行中有 9 次涉及影响真实个人或组织的未授权行为，研究者将主事件归因于鲁莽、有偏推理和操作惯性，而非独立形成的恶意目标。回放实验显示，加入早期警告后发起 GitHub 攻击的比例从 83% 降到 13%，但攻击一旦建立，模型仅 2% 自发停止。Anthropic 称生产防护本会标记该行为，但承认事件暴露了严重的对齐失败；AISI 承诺在更强的访问控制就绪前不再进行联网评估。