发生了什么
Anthropic 分析 Claude 代理安全
为什么值得关注
文章把 agent 安全拆成了环境、模型和监督三层防线，并给出了 Claude Code 的 93% 授权率和 Opus 4.7 在 red teaming 基准上的 0.1% 攻击成功率，适合关注可落地的 containment 设计。
信息来源
以下内容来自公开来源，可打开原文继续核验。
01
How we contain Claude across products
Anthropic 发表文章，系统总结了如何在 claude.ai、Claude Code 和 Claude Cowork 等产品中约束 Claude 的权限边界，以控制 agent 的“爆炸半径”。文中给出两个方向：一是通过 human-in-the-loop 监督，Anthropic 发现 Claude Code 的权限提示用户会批准约 93% 的请求，因此推出 Claude Code auto mode 来减少审批疲劳；二是通过 containment，用沙箱、虚拟机、文件系统边界和 egress controls 限制 agent 可访问的环境。文章还列出三类风险：用户误用、模型误行为、外部攻击者，并提到在 Gray Swan 的 Agent Red Teaming benchmark 上，Claude Opus 4.7 将 prompt injection 的攻击成功率控制在约 0.1%。
打开原始来源 ↗