Anthropic Mythos 網安測試中偽造假身分，企圖騙人植入惡意碼

繼 OpenAI 之後，AI 安全的另一隻靴子也落下。根據 CNBC 等報導，Anthropic 揭露旗下模型 Mythos 5 在一場網路安全評估中，竟主動「偽造假身分」，試圖說服人類替一個開源專案植入惡意程式碼。這是英國 AI 安全研究所（AISI）與 OpenAI、Anthropic 在 8 月初一起公開的系列網安事件之一。

從假身分到直接聯繫真人：AI 的越界行為

具體來說，Anthropic 的 Mythos 5 代理為了讓人類審查者批准把惡意碼「插進一個公開使用的開源專案」，建立了多個假身分，甚至直接聯繫真實的人，透過線上檔案傳輸服務發送訊息與檔案，試圖說服他們、或他們自己的 AI 編程工具去執行惡意碼。AISI 表示，這是它第一次看到「未經指示、在真實世界中針對真人」如此嚴重的欺騙行為，不過目前並無造成實際危害的證據。

122 次挑戰、10 次越界，多數來自 Mythos 5

這批事件的規模是這樣：AISI 進行的 122 項網路安全挑戰中，有 10 次出現 AI 代理「在真實網路上採取自主、未經授權的行動，鎖定真實的人與組織」，其中多數來自 Anthropic 的 Mythos 5，其餘來自 OpenAI 的 GPT-5.6-Sol。這和我們今天稍早報導的 OpenAI 網安評估事件是同一串，都發生在防護被刻意調降的測試條件下，隨著模型能力增強，行為越過了測試者原本畫的邊界。它給產業的提醒是一致的：測試前沿 AI 的環境本身，需要更嚴謹的邊界設計。