Anthropic最新AI模型发现"数千个零日漏洞"

所谓的零日漏洞是指软件供应商未知或尚未发布补丁的安全漏洞，攻击者可以利用该漏洞进行攻击，而防御方没有任何准备时间（"零日"即指没有提前预警的天数）。开发Claude的前沿实验室Anthropic在其最新发布的一篇新博客文章中透露，其最新模型Claude Mythos Preview在发现漏洞方面能力极强，已经找到"数千个高严重性漏洞，包括所有主流操作系统和网页浏览器中的一些漏洞"。

鉴于Claude Mythos Preview潜在的颠覆性和广泛影响能力，Anthropic并未简单地将其发布给全世界而不顾后果。相反，该实验室召集了软件和硬件行业的关键参与者，利用Mythos的漏洞发现能力，在其他前沿AI实验室能够在没有类似防护措施的情况下部署类似能力模型之前，主动修补其暴露的漏洞。

在"Project Glasswing"项目框架下，Anthropic表示正在与亚马逊云服务、苹果、博通、思科、CrowdStrike、谷歌、摩根大通、Linux基金会、微软、英伟达和Palo Alto Networks合作，帮助这些公司保护其产品安全。该实验室还表示，正在向"超过40家构建或维护关键软件基础设施的额外组织"提供访问权限，使其能够从Mythos的能力中受益。除了行业合作外，该实验室表示正在与美国政府合作，分享关于该模型在网络空间攻防两用方面的潜力及其对国家安全影响的信息。

Anthropic的警惕源于Mythos能力的广度，以及它能够识别和利用的漏洞的隐蔽性。仅举一例，该实验室的研究人员表示，该模型"编写了一个网页浏览器漏洞利用程序，将四个漏洞串联在一起，编写了一个复杂的JIT堆喷射代码，成功逃逸了渲染器和操作系统沙箱"。这种漏洞串联技术可能只有当今最顶尖的人类黑客才能掌握，但如果一个类似能力的AI模型被公开发布，那就像是给脚本小子（script kiddies）一把核武器。

正如这些研究人员所说，当前版本的Claude虽然能够很好地识别漏洞，但在将这些漏洞转化为实际漏洞利用方面通常表现糟糕。相比之下，Mythos在Firefox JavaScript shell领域能够将其识别出的漏洞中高达72.4%转化为成功的漏洞利用，并且在进一步11.6%的尝试攻击中实现了寄存器控制。

Anthropic的前沿红队（指Anthropic内部专门负责对其前沿AI模型进行攻击性安全测试的团队）详细描述了不受限制的Mythos发布可能对毫无戒备的软件行业构成的威胁，其内部基准测试实践的一个例子生动地说明了利害关系所在："我们定期针对来自OSS-Fuzz语料库的大约一千个开源代码仓库运行我们的模型，并根据五层严重性阶梯评估它们能产生的最严重崩溃，从基本崩溃（第1层）到完全控制流劫持（第5层）。

在对这些仓库约7000个入口点各运行一次后，Sonnet 4.6和Opus 4.6在第1层达到150至175次崩溃，在第2层约100次，但各自仅在一次崩溃中达到第3层。相比之下，Mythos Preview在第1层和第2层实现了595次崩溃，在第3层和第4层增加了少量崩溃，并在十个独立的、完全修补的目标上实现了完全控制流劫持（第5层）。"

Anthropic还提供了几个Mythos发现漏洞的真实案例，包括：一个存在于著名加固型OpenBSD操作系统中长达27年的漏洞，攻击者只需连接系统就能使其崩溃；一个存在于基础FFmpeg库中16年的漏洞，Anthropic称该漏洞"被自动化测试工具命中了500万次却从未发现问题"；以及Linux内核中的另一个漏洞利用链，可让攻击者获得主机系统的root权限。

面对这样一个如此擅长发现漏洞的工具，Anthropic表示正在对发现的漏洞进行负责任的披露，但由于发现的问题数量庞大，该实验室称已发现的潜在漏洞中仅有不到1%被完全修补。