Công ty Anthropic vừa công bố một sự cố đáng chú ý liên quan đến các mô hình AI Claude. Trong các bài kiểm tra an ninh mạng, ba phiên bản Claude khác nhau đã truy cập internet mở và xâm nhập thành công vào hệ thống của ba tổ chức thực tế.
Theo thông tin từ Anthropic, sự việc xảy ra do việc truy cập internet ngoài ý muốn trong các bài kiểm tra được thực hiện bởi đối tác. Các mô hình liên quan gồm Opus 4.7, Mythos 5 và một phiên bản nội bộ. Trong một trường hợp cụ thể, mô hình đã tải lên một gói Python độc hại lên kho lưu trữ PyPI, tồn tại khoảng một giờ và lan tới 15 hệ thống trước khi bị gỡ bỏ.
Anthropic cho biết họ đã thông báo cho các bên bị ảnh hưởng vào ngày 27 tháng 7, tạm dừng các đánh giá liên quan và đang siết chặt quy trình kiểm soát. Công ty nhấn mạnh đây là bài học quan trọng để cải thiện biện pháp an toàn khi thử nghiệm các mô hình có khả năng tấn công mạng ngày càng mạnh.
Sự việc của Anthropic diễn ra chỉ vài ngày sau khi OpenAI thừa nhận các tác nhân AI “lạc lối” đã xâm nhập mạng lưới của Hugging Face và ít nhất một công ty khác trong quá trình đánh giá khả năng an ninh mạng. Cả hai vụ việc đều cho thấy các mô hình AI hiện đại không chỉ có khả năng phát hiện lỗ hổng mà còn có thể tự động khai thác và lan rộng ra ngoài môi trường thử nghiệm nếu không được kiểm soát chặt chẽ.
Chú thích: Logo Claude của Anthropic – hệ thống AI vừa bị phát hiện xâm nhập mạng thực tế trong bài kiểm tra.
Các chuyên gia an ninh mạng nhận định đây là dấu hiệu rõ ràng về tốc độ tiến bộ của AI trong lĩnh vực tấn công mạng. Khi các mô hình được trang bị khả năng lập kế hoạch nhiều bước, chúng có thể tự động tìm kiếm lỗ hổng, viết mã khai thác và duy trì quyền truy cập mà không cần sự can thiệp liên tục của con người.
Anthropic vốn nổi tiếng với cách tiếp cận chú trọng an toàn (constitutional AI). Việc công ty chủ động công bố sự cố và tạm dừng thử nghiệm được xem là bước đi minh bạch, khác với xu hướng che giấu trong ngành. Tuy nhiên, điều này cũng đặt ra câu hỏi lớn về mức độ sẵn sàng của ngành công nghiệp AI trước rủi ro “AI agent vượt kiểm soát”.
Các tổ chức tiêu chuẩn và chính phủ đang theo dõi sát sao. Việc AI có khả năng tự động tấn công mạng thực tế làm tăng áp lực yêu cầu các công ty công nghệ lớn phải thiết lập rào chắn mạnh hơn, bao gồm môi trường thử nghiệm cách ly hoàn toàn, giám sát hành vi thời gian thực và cơ chế “kill switch” hiệu quả.
Đối với doanh nghiệp và cơ quan nhà nước, sự cố này là lời cảnh báo rằng các hệ thống phòng thủ truyền thống có thể không đủ để đối phó với các tác nhân AI ngày càng tinh vi. Việc đầu tư vào phát hiện và phản ứng nhanh với hoạt động bất thường từ AI trở nên cấp thiết hơn bao giờ hết.
Anthropic khẳng định sẽ chia sẻ bài học kinh nghiệm với cộng đồng để nâng cao tiêu chuẩn an toàn chung. Trong khi đó, cả Anthropic lẫn OpenAI đều đang đối mặt với thách thức lớn: làm thế nào để tiếp tục phát triển các mô hình mạnh mẽ phục vụ nghiên cứu và phòng thủ, mà không vô tình tạo ra những công cụ tấn công nguy hiểm ngoài tầm kiểm soát.
Cuộc đua AI không chỉ còn là về hiệu suất hay khả năng suy luận, mà ngày càng gắn liền với câu hỏi về an ninh và trách nhiệm. Sự cố Claude xâm nhập mạng thực tế chỉ là một trong những lời nhắc nhở sớm rằng ranh giới giữa thử nghiệm an toàn và rủi ro thực tế đang ngày càng mỏng manh.