AI安全防线再遭突破：心理诱导让Claude主动输出违禁内容

发布日期：2026-05-07 13:50:05 点击次数：270

4RSvYgSuIBhtech.huanqiu***articleAI安全防线再遭突破：心理诱导让Claude主动输出违禁内容/e3pmh164r/e3pmtmdvg<article><section data-type="rtext"><p>【环球网科技综合报道】5月7日消息，据The Verge报道，最新安全研究显示，主打安全特性的 Anthropic Claude 人工智能模型，可通过心理施压、刻意奉承等非技术手段突破安全防线，主动输出恶意代码、危险物品制作教程等违禁信息，暴露出人工智能模型在心理层面的安全漏洞。</p><p>此次测试由人工智能红队测试公司 Mindgard 开展，针对 Claude Sonnet 4.5 版本进行。测试过程中，研究人员未使用违禁词汇，也未直接索要非法内容，仅通过尊重吹捧、佯装好奇、轻微心理操控等审讯人员常用的诱导手段，逐步让模型对自身内容限制规则产生自我怀疑，进而不断突破安全边界。</p><p><i class="pic-con"></p><p>Mindgard 创始人兼首席科学官彼得・加拉根表示，此次攻击本质是利用 Claude 乐于助人、顺从协作的特性实施心理操控，印证人工智能模型风险暴露面不仅存在于技术层面，更存在于心理层面。这类对话式心理攻击极难防御，且并非 Claude 独有，其他聊天机器人也易遭遇同类漏洞攻破，随着 AI 智能体普及，依托社会心理操控的攻击手段将愈发常见。</p> <adv-loader __attr__inner="7004636" __attr__style="width: auto;position: relative;float: left;border: 1px solid #ebebeb; padding: 20px;overflow: hidden;margin: 10px 30px 40px 0;"></adv-loader> <p>值得关注的是，Anthropic 长期以 AI 安全为核心优势，在过往多项红队安全测试中表现优异，但此次测试暴露其安全流程存在疏漏。Mindgard 于 4 月中旬按该公司漏洞披露政策上报发现后，仅收到模板化回复，且被误判为账号封禁咨询，截至相关时间节点仍未获正式回应。（纯钧）</p></section><img src='/image/153844-0' alt='AI安全防线再遭突破：心理诱导让Claude主动输出违禁内容'> <div class="pre-next" > <div class="news-prev"> <a href="/detail/85513.html" title="因冲动同意离婚已经一年了，但是发现越来越想他，想和他过一辈子，还能挽回前夫吗？"> 上一篇：因冲动同意离婚已经一年了，但是发现越来越想他，想和他过一辈子，还能挽回前夫吗？ </a> </div> <div class="news-next"> <a href="/detail/85782.html" title="要不要帮导师装服务器?"> 下一篇：要不要帮导师装服务器?</a> </div> </div> </div> </div> <!--主体内容 end--> <div class="g_footer"> <div class="g_cw"> </div> <div class="bottom"> <div class="container"> <ul class="link tc animated slideInUp wow"> <li>友情链接 :</li> </ul> </div> </div> <div class="bottom">版权： 备案号： <a href="http://www.beian.miit.gov.cn/" rel="nofollow" target="_blank"></a></div> </div> <!-- 应用插件标签 start --> <!-- 应用插件标签 end --> </body> </html>