Claude Code 负责人称720次提示词注入攻击0成功

Claude Code 负责人 Boris Cherny 表示，Anthropic 已经在实际使用中基本解决了提示词注入攻击。一年前，他未曾想过能达到这一程度。提示词注入攻击一直是 Agent 的大麻烦，恶意网页可能隐藏指令，诱导 Agent 偷取密码、上传密钥，甚至执行用户未请求的操作。Anthropic 采用三层防护措施：Claude 本身抵抗恶意指令，外部内容进入上下文前进行检测，真正执行操作前，Auto Mode 还会再次审查。第三方测试使用了 72 种此前未见的攻击，重复 720 次，Sonnet 5、Fable 5 和 Opus 5 在开启 Auto Mode 后均未成功。相较之下，GPT-5.6 Sol 使用 Codex Auto-review 的攻击成功率为 5.83%，Full Access 则达到 19.03%。这也解释了 Anthropic 为什么将 Auto Mode 设为默认，它是 Claude Code 防止提示词注入攻击的最后一道检查。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。