Anthropic扩大网络安全模型准入，分级防护考验治理
Anthropic宣布扩大网络安全验证计划，为经过审核的安全团队提供不同程度的模型能力和安全限制。该公司把访问分为三个层级：防御访问用于事件响应、恶意软件分析和自有系统漏洞验证；红队访问增加经授权的渗透测试；特殊访问则面向经严格审查、可能触及电网、航空或金融基础设施等高风险系统的组织。
这种设计针对的是生成式AI在网络安全领域的双重用途：发现并修复漏洞的能力，也可能被用来攻击系统。Anthropic称，申请者需要证明组织身份和相应安全控制；红队测试必须针对明确授权的目标，涉及可能造成大规模中断或物理伤害的操作仍会受到限制。特殊访问由公司与美国政府合作审查，准入门槛更高。
分级准入需要持续检查，而不是一次性认证
Anthropic还公布了自设的攻防场景评估：在其防御层测试中，五十次尝试里有四十六次在某个阶段被拦截；红队层没有触发拦截，并完成了其中三十四项任务。该结果展示了不同层级的保护强度差异，但测试场景由厂商选择，不能据此证明现实环境安全，也无法单独衡量误报、攻击转移或长期滥用风险。
计划要求参与组织保留数据，以便监控网络安全用途。对于使用零数据保留配置的部分用户，Anthropic称可通过特定方案参与；其企业级安全方案仍计划在未来推出。数据留存有助于追查滥用，也会带来敏感日志保存、访问人员和保留期限等治理问题。安全团队在申请前应确认哪些提示、代码和告警会被记录，如何限制内部访问，以及出现误判时如何申诉。
更广泛地看，模型供应商正尝试把能力、用户身份和使用场景绑定起来，而不只依靠统一的内容过滤器。分级机制能否奏效，取决于身份核验是否可靠、授权范围能否被技术上限制、异常行为能否及时发现，以及准入权是否定期复审。项目规模扩大以后，独立审计和可公开的失误报告尤其重要。