Claude 防護措施遭繞過以進行生物武器研究

增強重點摘要

• •Anthropic 於 2026 年 9 月發布長達 154 頁的威脅情報報告，首度公開證實於 2025 年 12 月至 2026 年 8 月期間成功阻截了 5 起真實世界中的雙重用途生物危害案例，而非僅限於受控紅隊演練。
• •報告詳述具體案例，包括一名具軍方背景的研究人員於 2026 年 5 月利用 Claude 擬定屈公病病毒（chikungunya virus）的功能增益（Gain-of-Function）研究計畫以增強其毒性與免疫逃逸能力，以及另案規劃高致病性禽流感在哺乳動物間的傳播適應實驗。
• •攻擊者透過虛擬專用伺服器（VPS）、中繼代理網路、第三方 API 轉售商以及無資料保留（Zero-data-retention）服務，成功繞過了俄羅斯、伊朗與中國等受限地區的地理封鎖防線。
• •本次遭受規避的防護措施均集中於公開商用的通用模型層級（Claude Haiku、Sonnet 與 Opus），而非 Anthropic 內部受嚴格管控的實驗性或高安全等級沙盒（如 Fable 或 Mythos）。
• •威脅情報同時發現「跨模型路由」行為：當攻擊者在 Claude 遇到安全拒絕後，會系統性地將提示詞轉向審查較寬鬆的競爭對手模型，甚至有境外實驗室試圖將 Claude 的進階生物推導能力蒸餾（Distill）至無對齊防護的本土模型中。

技術深入

• •模型層級防護目標：遭規避的對象為 Claude 廣泛商用層級模型（Haiku、Sonnet、Opus），主要針對其內建的生物安全文字分類器（Biological Safety Classifiers）與語意審查過濾機制。
• •網路層繞過架構：攻擊者結合地理定位規避技術，透過租用 VPS 節點建立中繼代理網路，並經由第三方 API 轉售商的無日誌（Zero-Data-Retention）端點存取模型，以抹除其來源 IP 與身分特徵。
• •提示詞工程與語意混淆：利用學術研究、疫苗開發、抗病毒療法等合法「雙重用途（Dual-use）」科學語境包裝，藉由語意混淆逐步引導模型輸出功能增益實驗架構、病毒合成途徑與哺乳動物宿主適應設計。
• •技術補救與遙測處置：Anthropic 於威脅通報後全面撤銷涉案帳號與金鑰、封鎖中繼代理端點，針對生物風險敏感關鍵字與生化路徑拓撲更新自動分類器，並將威脅遙測特徵（Threat Telemetry）共享予國際主管機關及前沿 AI 實驗室。

前景展望基於引用來源的 AI 分析

時間線