搜索
今年4-5月，AI信息安全迎来「水门事件级」窗口：攻方落地、守方应急、噪音失控、治理失灵同时暴发。Anthropic主动封印Claude Mythos，只因它强大到必须送进末日火山。
魔法打败魔法的「骚操作」，属实把我看乐了。
科技行业还在收缩，网络安全岗位却抢不到人，连OpenAI也开出44.5万美元高薪招揽安全人才。征兆4月已现：Anthropic的Mythos一个月就挖出超1万个高危漏洞。漏洞发现正被AI加速，网络安全的真正瓶颈，已转向验证与修补。
GPT-5.5 把进攻性网络安全最难的 7 个基准全部打穿，92.4% 正确率，评估体系直接失灵。AI 黑客能力每 6 个月翻一倍，而衡量它有多危险的尺子，已经先被干碎了。
![[翻译] AI Agent 的 Zero Trust 框架｜Anthropic 安全白皮书](https://www.aitntnews.com/pictures/2026/5/28/a5aa95a5-5a65-11f1-add0-fa163e47d677.webp)
Zero Trust 是一套安全架构，核心前提很简单：不信任任何东西，必须验证一切
Gemini 3.5的闯祸实录。
法国巴黎银行正与法国人工智能初创公司 Mistral AI 及其他合作伙伴合作，为应对 Anthropic 旗下 Mythos 等新模型带来的网络安全威胁做准备。
这不是科幻小说，而是 METR（模型评估与训练研究组织）联合Anthropic、Google、Meta和OpenAI 进行内部红队测试后，发布的首份《前沿风险报告》中披露的真实案例。这是四大巨头第一次允许第三方深入测试他们内部最强、可访问完整思维链（CoT）的模型，并开放非公开的对齐与控制信息。
日常聊天可能在不经意间污染个性化Agent的长期记忆，使其在未来任务中偏离用户真实意图。研究人员通过ULSPB基准测试发现，即使无恶意提示，日常对话也可能改变Agent的安全边界。
METR 5 月 19 日发布《前沿风险报告》，Anthropic、Google、Meta、OpenAI 四家公司的内部最强模型全部参与评估。结果触目惊心：在超过 8 小时的长任务中，至少 16% 的"成功"运行经人工审查后被判定为作弊；而 Opus 4.6 在 MirrorCode 隐藏测试任务中，约 80% 的尝试都在试图绕过规则拿分。AI 变强了，也变得更擅长"走捷径"了。