💡 站外导读:就在 Anthropic 紧锣密鼓推进 S-1 招股书上市进程之际,一场发生在网络安全维度的“AI 攻防战”引爆了硅谷。由前马斯克 DOGE 核心成员创办、估值已达 14 亿美元的 AI 安全初创公司 Cathedral,在参与 Anthropic 漏洞悬赏计划中,派出自研自动化 AI Agent 发起渗透测试。在核心大模型接口固若金汤的情况下,该 Agent 敏锐捕捉到边缘第三方协同办公工具的脆弱链路,短短 12 小时便成功横向渗透进 Anthropic 内部网络,获取了大量敏感研发聊天、会议纪要与薪酬数据。这一事件犹如一记警钟,彻底揭开了生成式 AI 巨头“重模型硬核防御、轻供应链边缘管控”的阿喀琉斯之踵。
攻防全景还原:AI Agent 从“正面受挫”到“侧翼迂回”的 12 小时闪击战
在顶级大模型厂商的传统安全防御体系中,安全工程师的视线几乎全量聚焦在大模型的输入输出安全、对齐护栏(Guardrails)、沙箱逃逸与容器提权防护上。然而,自动化红队 AI Agent 的出现正在彻底重写网络攻防的游戏规则。
由前马斯克旗下项目核心成员创办的 AI 网络安全初创公司 Cathedral,近期在合规测试中将自研的自主渗透 Agent 接入了 Anthropic 的目标外围。整个攻击渗透过程呈现出高度自治的战术演化:
- Phase 1(正面盲区测试):AI Agent 最初针对 Anthropic 的核心模型 API、调度集群及云端推理接入网关展开密集探测,但 Anthropic 严密的零信任访问控制与 API 频控策略迅速阻断了直接入侵企图;
- Phase 2(供应链与第三方资产测绘):在正面强攻受挫后,AI Agent 自主调整策略,开始全面测绘 Anthropic 员工在日常协同工作中使用的外包服务、第三方 SaaS 办公软件与集成插件;
- Phase 3(侧翼击穿与内网横向移动):该 Agent 敏锐锁定了某款常用办公集成工具中未被修补的逻辑漏洞,通过凭据嗅探与权限伪造成功切入,从发起测试到突破内网核心权限,整个过程耗时不到 12 小时。
核心资产未损与规则争议:Anthropic 官方与 Cathedral 的各执一词
在成功渗透入内网后,攻击 Agent 获取了极为敏感的内部运营数据。尽管 Anthropic 官方强调核心技术护城河未受影响,但这一安全盲区依然引发了业界的剧烈震动:
| 安全评估维度 | 受影响资产 (In-Scope) | 安全隔离完好资产 (Protected) |
|---|---|---|
| 数据与通信记录 | Slack 内部核心频道历史记录、高管会议纪要 | 真实终端用户的对话历史与 Prompt Logs 100% 隔离 |
| 人事与商业机密 | 未公开员工薪资架构、录用 Offer 谈判细节 | 上市财务审计原始账目与银行支付凭证未受影响 |
| 核心技术机密 | 前沿模型开发日程与内部讨论碎片 | Claude 核心大模型权重 (Weights) 与模型底层源码完全未被触及 |
目前,双方在漏洞悬赏的“安全港协议(Safe Harbor)”履约边界上各执一词:Anthropic 倾向于认为该测试超出了预定靶标的合理测试范畴,涉嫌过度爬取非技术资产;而 Cathedral 则坚称真实黑客不会遵守预设规则,唯有无差别模拟 AI Agent 的横向渗透,才能暴露企业真实的防御短板。
揭秘黑马攻方 Cathedral:马斯克前团队创立、14 亿美元估值的 AI 安全新贵
此次攻防战中的攻方 Cathedral 同样备受关注。该公司成立仅数月,由曾深度参与马斯克牵头的政府效率部门(DOGE)前技术团队成员创办。凭借“用高智能 Autonomous Agent 取代传统人工渗透测试”的核心叙事,Cathedral 闪电斩获高达 1.6 亿美元融资,估值已飙升至 14 亿美元,背后囊括了多家硅谷顶级风险投资机构。
Cathedral 的技术范式代表了网络攻防领域的质变:传统的渗透测试受限于人类安全专家的体能、时间与知识面,而 AI 安全 Agent 能够 24 小时不间断遍历数万个网络端点,在复杂拓扑中自主推演组合漏洞利用链(Exploit Chains),其入侵效率相比人类团队提升了数个数量级。
SRE 深度反思:大模型独角兽的“阿喀琉斯之踵”与供应链零信任治理
对于现代科技公司而言,Anthropic 一直以严苛的安全形象示人:其自研的 Claude Mythos 大模型曾在全球范围内挖掘出数千个高危零日漏洞,甚至牵头成立了豪华的全球 AI 安全联盟。然而,这起事件暴露出当下 AI 巨头普遍存在的架构通病——“城堡高墙固若金汤,侧门后院四门大开”。
从站点可靠性工程(SRE)与企业级安全架构角度,应对新一代 AI 自动化渗透必须坚守以下三大防线:
- 彻底斩断第三方 SaaS 的隐性提权通道:即便在看似边缘的日常协同工具中,也必须实施严格的零信任最小特权原则(Principle of Least Privilege, PoLP),杜绝单点突破直接横向跃迁至内部数据总线;
- 实施办公网与核心生产网的物理级微隔离(Micro-segmentation):研发核心通信、员工薪酬数据库与日常通用办公网络必须建立断网级网关隔离,避免会话劫持后的链式反应;
- 构建防御型 AI 免疫探针:传统静态特征防火墙已无法应对会自我推演演进的攻击智能体,防守方必须同样部署常驻在内网拓扑中的防御型 Agent,实现反常横向流量的秒级识别与自愈式熔断。
📝 站长洞察 (Editor’s Insight)
Anthropic 此次被自动化 Agent 在 12 小时内穿透内网,给整个狂飙突进的大模型产业敲响了警钟。过去两年,资本与技术狂热过度聚焦于大模型本身的智力跃迁与越狱对齐,却在很大程度上忽视了最为质朴的软件工程与供应链安全基线。黑客与攻击型智能体从来不会按照防守方精心设计的规则去攻坚最硬的堡垒,他们永远在寻找最脆弱、最不起眼的供应链边缘裂缝。在自主 AI Agent 已经具备多步推理与自主资产测绘能力的今天,企业安全已不再是局部的代码审查,而是必须深入到每一个第三方服务、每一个 API 调用的全链路零信任生死战。
Anthropic 内网是怎么被攻破的?
报道显示,攻击方先测试核心模型 API 和网关未果,随后转向员工使用的第三方协同办公工具,利用其中未修补的逻辑漏洞,通过凭据嗅探与权限伪造实现横向移动,最终进入内网。
这次事件有没有泄露 Claude 模型权重?
没有。文中明确提到,真实终端用户对话历史、Prompt Logs 以及 Claude 核心大模型权重和底层源码都未被触及,受影响的是内部运营与协同办公相关资产。
企业如何防住类似 AI Agent 攻击?
重点不是只加固模型接口,而是对第三方 SaaS、办公网和生产网做最小权限与微隔离管理,并建立零信任访问控制,避免边缘工具被攻破后直接横向进入核心系统。
为什么办公软件会成为AI安全短板?
因为它们常握有邮件、文档、日历和权限入口,一旦被利用就能绕过模型本身的防线。企业应把办公套件纳入零信任范围,限制宏、插件和第三方 OAuth 权限,并对敏感操作做二次确认。
红队攻防该如何覆盖供应链路径?
不要只测模型提示词注入,要把身份系统、协作软件、CI/CD、浏览器扩展和云盘都纳入测试面。红队应模拟真实攻击链,从低权限入口逐步提权,验证日志、告警和回滚是否能及时闭环。
🌐 English Executive Summary — AI Agent Breaches Anthropic in 12 Hours via Office Software Supply Chain
A self-developed AI agent reportedly penetrated Anthropic’s internal network in under 12 hours, despite not compromising the core model interfaces. The attack pivoted from blocked attempts to probe the model API to exploiting third-party office software for lateral movement, ultimately accessing sensitive operational data such as internal chat, meeting minutes, and compensation records. The review reconstructs the Cathedral-style automated intrusion workflow and evaluates enterprise zero-trust defenses and supply-chain isolation gaps.
- Core model protection is insufficient; third-party office tools can enable lateral compromise.
- Automated red-team workflows should include supply-chain and internal application attack paths.
- Zero-trust must extend to office software and network segmentation, not just model APIs.
