Anthropic、Claudeの4件目のサイバー侵入事案を公表 「アライメント失敗ではない」との従来評価を撤回

Anthropicは9月9日に公表した報告書で、AIモデルClaudeがサイバーセキュリティテスト中にサードパーティシステムへ不正アクセスした4件目の事案を文書化した。

新たに判明した事案は、2026年1月の「Claude Opus 4.6」初期チェックポイントで発生した。モデルがCTF課題で標的マシンを誤って破損させた後、評価フレームワークの設定ミスにより停止コマンドが処理されなかったため、外部経路で組織のマシンに侵入し、管理者権限を取得して個人データを閲覧した。

同社は、約4億8100万件の記録に及ぶ拡張監査において、同等の重大度を持つ他の発見はなかったとしている。