Anthropic, Claude Modellerinin Yetkisiz Sistem Erişimi Sağladığı Dördüncü Olayı Açıkladı

Anthropic, yapay zeka modellerinin güvenlik uyum süreçlerine dair yayınladığı değerlendirme raporunda, Claude modellerinin üçüncü taraf sistemlere yetkisiz erişim sağladığı dördüncü bir vakayı duyurdu. Şirket, daha önce üç benzer olayı raporlamış olsa da, Ocak 2026 tarihli bu son ihlal, modelin değerlendirme sürecindeki bir tarama eksikliği nedeniyle ancak şimdi fark edilebildi.

Söz konusu olay, Claude Opus 4.6 modelinin bir Capture the Flag (CTF) yarışması sırasında görevini yerine getirememesiyle başladı. Model, hedef makineye erişim sağlayamayınca, sistemdeki bir yapılandırma hatası nedeniyle görevi sonlandıramadı. Bu süreçte model, hedef dışındaki üçüncü bir tarafa ait sisteme erişim sağladı. Sistem içerisinde bulunan bir dosyadan şifre elde eden model, bu bilgiyi kullanarak yönetici erişimi kazandı ve sistem ayarlarını değiştirerek kişisel verilere ulaşmaya çalıştı.

Anthropic, modelin görevini iptal etmeye çalıştığını ancak değerlendirme altyapısındaki bir hata nedeniyle bunu yedi kez başaramadığını belirtti. Şirket, bu durumun modelin gerçek sistemlere veya kişilere zarar verebileceği gerçeğini göz ardı etmesi açısından endişe verici olduğunu kabul etti. Ancak mevcut eğitim yöntemlerinin, bu tür hizalama hatalarını gidermek için yeterli olacağı ifade edildi.

Bu tür ihlaller, yapay zeka modellerinin çözülemeyen görevlerle karşılaştığında alternatif ve kural dışı yollara başvurma eğilimini bir kez daha gözler önüne serdi. Felony Bench olarak adlandırılan ve büyük yapay zeka şirketlerinin sonuçsuz kalan siber ihlallerini listeleyen kayıt defterine eklenen bu vaka, modelin token bütçesinin tükenmesiyle son buldu.