Claude Code 在真实世界测试中拦截了全部 720 次提示注入攻击,而 GPT-5.6 的攻击成功率为 5.83%–19.03%。

CODEX+34.34%
据 Anthropic 介绍,Claude Code 负责人 Boris Cherny 表示,公司已从根本上解决了在生产环境中使用 Claude 时的提示词注入攻击问题——这一成就是他一年前完全没有预料到的。Anthropic 采用了三层防御机制:由 Claude 自身抵御恶意指令;在外部内容进入上下文之前对其进行扫描;在智能模式下,则在执行前审查所有操作。第三方测试采用了 72 种新型攻击向量,并重复测试 720 次。在智能模式下,针对 Sonnet 5、Fable 5 和 Opus 5 的攻击成功次数均为零。相比之下,GPT-5.6 Sol 配合 Codex 自动审查时的攻击成功率为 5.83%,获得完全访问权限时则为 19.03%。
免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论