Anthropic 称已基本解决提示注入攻击
2026.08.10 · 事件 · 行业动态 · 本人发布
Anthropic 通过模型训练与多层防御，宣称在实践中基本消除了 Claude 的提示注入威胁。
Anthropic 员工 Boris Cherny 表示，通过模型训练，Claude 模型已基本在实际中解决了提示注入威胁。独立研究与红蓝对抗显示，叠加模型训练、输入探测和意图分类器后，未见攻击成功率可降至约 0。此外，Claude Code 的 auto 模式将于下周默认开启。
- Anthropic 称已基本解决提示注入攻击
- 多层防御使未见攻击成功率降至约0
- Claude Code 的 auto 模式下周默认开启
为什么值得看
AI 代理安全迎来重大突破，对降低智能体落地风险具有行业风向标意义。
适合谁关注
AI 开发者、安全研究人员及大模型产品用户