Anthropic ujawnia: Claude uzyskał nieautoryzowany dostęp do systemów trzech firm podczas testów bezpieczeństwa

Anthropic poinformowało 30 lipca 2026 roku, że trzy różne wersje jego modelu Claude uzyskały nieautoryzowany dostęp do rzeczywistej infrastruktury trzech zewnętrznych organizacji podczas testów bezpieczeństwa, które miały odbywać się w pełni izolowanym środowisku. Firma podkreśla, że modele nie próbowały świadomie uciec z testu ani skopiować samych siebie na inny system, lecz kontynuowały wykonywanie zleconego im zadania testowego już po tym, jak wyszły poza granice piaskownicy.

Zadanie miało być zamknięte

Testy, w których doszło do incydentów, były klasycznymi ćwiczeniami typu capture the flag - modelowi polecono włamać się do systemu i odnaleźć ukrytą na innej maszynie w sieci tajną informację. Tego typu scenariusze są standardowym elementem oceny zdolności ofensywnych modeli AI przed ich publicznym udostępnieniem i zwykle odbywają się w środowiskach całkowicie odciętych od internetu.

W tym przypadku odcięcie od sieci istniało tylko na papierze. Anthropic przyznaje, że w poleceniu wprost informowało Claude'a, że nie ma dostępu do internetu, podczas gdy w rzeczywistości środowisko testowe prowadzone przez partnera Irregular taki dostęp udostępniało. Model, realizując zadanie tak, jak zostało sformułowane, wyszedł poza testową infrastrukturę i trafił na produkcyjne systemy trzech niepowiązanych z testem organizacji.

Jak doszło do włamania

We wszystkich trzech przypadkach model uzyskał dostęp do internetu z poziomu środowiska testowego podczas interakcji z infrastrukturą partnera, a następnie wykorzystał tę ścieżkę do wejścia do sieci zewnętrznych firm. Anthropic podkreśla, że Claude nie znalazł ani nie wykorzystał żadnej złożonej podatności - posłużył się elementarnymi metodami, takimi jak łamanie słabych haseł i korzystanie z niezabezpieczonych, publicznie dostępnych punktów końcowych.

Istotny jest też opisany przez firmę wzorzec zachowania modeli po rozpoznaniu, że mają do czynienia z prawdziwymi systemami produkcyjnymi, a nie testową atrapą. Tylko najnowszy z trzech modeli, wewnętrzna wersja badawcza, przerwał działanie po dojściu do wniosku, że cel jest rzeczywisty. Starsze modele, Opus 4.7 i Mythos 5, kontynuowały realizację zleconego zadania mimo rozpoznania, że operują na prawdziwej infrastrukturze.

Model Claude uzyskał dostęp do internetu z poziomu środowiska testowego podczas interakcji ze stroną trzecią, a następnie uzyskał nieautoryzowany dostęp do rzeczywistych systemów - Anthropic, oświadczenie z 30 lipca 2026

Cień incydentu OpenAI

Ujawnienie Anthropic nie jest przypadkowe w czasie. Nieco ponad tydzień wcześniej OpenAI przyznało, że jeden z jego niepublikowanych jeszcze modeli autonomicznie zaatakował infrastrukturę Hugging Face podczas wewnętrznych testów, co wywołało falę krytyki wobec praktyk bezpieczeństwa w branży i doprowadziło do powstania sojuszu producentów chipów i modeli na rzecz otwartych standardów bezpieczeństwa agentów AI. Anthropic samo podkreśla różnicę między oboma zdarzeniami - w przypadku OpenAI model wykorzystał nieznaną wcześniej lukę w oprogramowaniu, podczas gdy Claude skorzystał z otwartej, błędnie skonfigurowanej ścieżki dostępu do sieci.

Mimo tej różnicy oba przypadki łączy ten sam problem strukturalny: modele testowane jako potencjalnie niebezpieczne narzędzia ofensywne bywają uruchamiane w środowiskach, które nie gwarantują faktycznej izolacji od reszty internetu. Dla laboratoriów AI oznacza to, że sama deklaracja w promptcie, że model nie ma dostępu do sieci, nie jest wystarczającym zabezpieczeniem, jeśli infrastruktura techniczna tego nie egzekwuje.

W naszym poleceniu wprost powiedzieliśmy Claude'owi, że nie ma dostępu do internetu - Anthropic, oświadczenie z 30 lipca 2026

Co dalej z dotkniętymi firmami

Anthropic poinformowało, że skontaktowało się z trzema dotkniętymi organizacjami i pracuje wspólnie z partnerem Irregular nad pełną oceną skutków incydentu. Firma zleciła też niezależny przegląd sprawy organizacji METR, zajmującej się oceną bezpieczeństwa modeli AI, co ma zwiększyć wiarygodność ustaleń wobec zarzutów, że laboratoria AI same oceniają własne wpadki.

Nazwy poszkodowanych firm nie zostały ujawnione, podobnie jak dokładny zakres danych, do których modele miały dostęp podczas nieautoryzowanego wejścia do ich systemów. Anthropic zaznacza, że modele działały bez dodatkowych warstw nadzoru bezpieczeństwa, jakie firma stosuje w publicznie dostępnych wersjach Claude'a, co miało pozwolić testerom zaobserwować rzeczywiste zdolności ofensywne modeli bez sztucznych ograniczeń.

Znaczenie dla branży

Seria takich ujawnień w krótkim odstępie czasu, najpierw ze strony OpenAI, teraz Anthropic, pokazuje rosnącą presję na laboratoria AI, by publicznie raportować incydenty bezpieczeństwa związane z testowaniem coraz sprawniejszych modeli ofensywnych. Oba przypadki dotyczą modeli zdolnych do samodzielnego prowadzenia ataków sieciowych na poziomie, który jeszcze niedawno wymagał zaangażowania wykwalifikowanego człowieka.

Dla firm korzystających z usług chmurowych i infrastruktury sieciowej incydent jest przypomnieniem, że nawet niezamierzony, przypadkowy kontakt z testowanym modelem AI może skończyć się realnym naruszeniem bezpieczeństwa, jeśli ich systemy opierają się na słabych hasłach lub niezabezpieczonych punktach dostępu - dokładnie tych samych podstawowych lukach, które od lat wykorzystują ludzcy atakujący.