A Anthropic, desenvolvedora da IA Claude, revelou que diferentes versões do modelo acessaram sistemas de três organizações, sem autorização, durante testes de cibersegurança. A descoberta veio após uma revisão de mais de 141 mil execuções de teste, aberta depois que a rival OpenAI admitiu problemas semelhantes.
Segundo a empresa, os modelos receberam instruções para operar em uma simulação isolada, sem acesso à internet aberta, mas uma falha de configuração de uma parceira, chamada Irregular, deixou o acesso disponível.
Os testes colocavam os modelos para procurar vulnerabilidades apenas dentro de máquinas criadas para avaliação. Com a falha de isolamento, alguns agentes conseguiram alcançar sistemas externos, explorando falhas simples e, em três casos, acessando sistemas de empresas reais.
A Anthropic afirma que as IAs agiram sob a premissa de que tudo fazia parte do exercício e destaca que a causa foi um erro operacional, diferenciando o caso da rival OpenAI. A empresa de Sam Altman revelou, anteriormente, que modelos exploraram uma vulnerabilidade para sair do ambiente de testes, comprometendo serviços na internet.
Incidentes com modelos diferentes
A revisão encontrou três incidentes separados, envolvendo seis execuções de teste no total (quatro delas atingiram a mesma organização). Um dos casos envolveu o Claude Opus 4.7, que teria confundido um alvo fictício com uma empresa de mesmo nome da vida real.
No segundo episódio, o Claude Mythos 5 — modelo reservado a empresas participantes do Glasswind, um programa de cibersegurança — criou uma conta real em um repositório usado por desenvolvedores Python, o PyPI, e publicou um pacote malicioso real. A própria IA buscou meios para se cadastrar em um provedor de e-mail para a criação da conta.
O pacote ficou disponível por cerca de uma hora e foi executado em 15 sistemas reais, incluindo um scanner de uma empresa de segurança que instala pacotes do repositório para verificar a existência de malwares. O Claude conseguiu extrair credenciais e as usou para acessar mais dados da empresa.
Já o terceiro caso partiu de um modelo interno de pesquisa, que ampliou uma busca e atingiu cerca de 9 mil endereços na internet. Segundo a Anthropic, o modelo acessou credenciais em uma página de depuração aberta e comprometeu uma aplicação em nuvem.
Testes foram suspensos
A Anthropic informou que suspendeu suas avaliações ofensivas de cibersegurança em 23 de julho, após identificar sinais de tráfego externo inesperado. Para a empresa, os casos mostram comportamentos diferentes diante do mesmo problema de origem.
Nas três ocasiões, o Opus 4.7 e o Mythos 5 reconheceram ou suspeitaram que estavam na internet aberta, mas continuaram as atividades.
Já o modelo interno mais recente parou quando reuniu evidências de que havia atingido um alvo real — embora, segundo a própria empresa, tenha ido longe demais antes disso. Os modelos não exploraram vulnerabilidades sofisticadas, ressalta a Anthropic.
