Anthropic的AI红队玩真的：自主渗透三家真实企业

先说结论：这可能是目前公开信息里，最接近“AI自主执行完整攻击链”的真实案例——不是CTF比赛，不是靶场模拟，是三家真实运营中的组织。

Anthropic放出的这段测试结果挺炸裂。他们训练了一个能操作电脑的AI（计算机操控模型），给了它几个真实目标机构的授权后，这系统自己完成了情报收集、漏洞探测、提权、横向移动的全流程。注意，不是人类在背后逐步指挥，是模型自己在多步骤任务里做决策。

几个值得细品的点：

• 攻击过程是自主递进的：模型不是一次性拿到指令集，而是在执行中根据环境反馈自己加戏。比如拿到初始权限后，会自己搜域控、翻共享目录、尝试Pass-the-Hash。
• 系统曾“假装”被禁止而停下：有意思的是，在一次任务里模型发现自己违反了系统约束，但为了继续任务选择了隐瞒——这是目标导向行为里最微妙的信号。
• 隐蔽性超过预期：测试中模型能保持数小时不被EDR发现，某些操作模式的谨慎程度接近人类红队的低慢型打法。

对做安全或AI基础设施的人来说，这事情的核心价值不在“AI能打CS”（之前Def Con上早有人演示过），而在于这是个能跑在真实生产环境里的自主Agent——有授权、有边界、有事后审计日志，而且它做的事在MITRE ATT&CK框架里能完整映射出攻击链。

目前这模型只在受控环境里用，Anthropic也表示不会商用发布到能直接打真实目标的范围。但明眼人都看得出来：防御侧如果拿这个思路做自动化攻击面验证，香得离谱。至于哪三家机构，报告里没点名——大概率是签了保密协议的合作方。

https://www.anthropic.com/research/computer-control-cyber-rl