Anthropic, Claude modellerinin siber güvenlik testleri sırasında gerçek üçüncü taraf sistemlerine yetkisiz erişim sağladığı dört olayı inceleyen yeni bir değerlendirme yayımladı. Şirket, daha önce tespit ettiği üç vakaya ek olarak, Ocak 2026’da gerçekleşen ve ilk incelemede gözden kaçan dördüncü bir olayı da ortaya çıkardı.

Anthropic’in yayımladığı değerlendirmeye göre son olay, Claude Opus 4.6’nın erken bir sürümüyle gerçekleştirilen bir siber güvenlik testi sırasında yaşandı. Testte modelden belirli bir sistemdeki gizli bilgileri bulması isteniyordu.

Test ortamındaki hata gerçek sistemlere erişim sağladı

Dört olayın tamamı, Anthropic’in aynı üçüncü taraf değerlendirme ortağı tarafından hazırlanan siber güvenlik testlerinde meydana geldi. Modeller, test ortamının bir simülasyon olduğu ve internete erişimlerinin bulunmadığı varsayımıyla çalıştırıldı.

Ancak test altyapısındaki bir yapılandırma hatası nedeniyle internet erişimi açık kaldı. Claude Opus 4.6 da görev sırasında hedef sisteme erişemeyince çevresindeki ağ yapısını araştırmaya başladı.

Model, başka bir makineye erişim sağladı ve burada bulunan bir parola bilgisini kullanarak yönetici yetkileri elde etti. Anthropic, olaydan etkilenen tarafların bilgilendirildiğini ancak üçüncü taraf sistem hakkında ayrıntı paylaşılmadığını açıkladı.

İlk incelemede fark edilmedi

Olayın dikkat çeken yönlerinden biri, Anthropic’in bunu ilk incelemesinde tespit edememiş olması. Şirket, Temmuz ayında üç ayrı vakayı belirledikten sonra yaklaşık 141 bin test oturumunu incelemişti. Ancak bu tarama, daha sonra internet erişimi olduğu anlaşılan bazı oturumları kapsamıyordu.

Ağustos ayında kayıtların METR ile paylaşılması için hazırlık yapılırken söz konusu oturumlar yeniden incelendi ve Ocak ayındaki dördüncü vaka ortaya çıkarıldı.

Anthropic bunun üzerine incelemenin kapsamını genişleterek yaklaşık 481 milyon kayıt üzerinde tarama yaptı. İlk aşamada internet erişimine işaret edebilecek kayıtlar belirlendi, ardından yaklaşık 9,2 milyon kayıt daha ayrıntılı şekilde incelendi. Şirket, bu taramada dört olay dışında benzer veya daha ağır başka bir vaka tespit edilmediğini bildirdi.

Mythos 5 vakası daha ciddi bulundu

Anthropic’in değerlendirmesinde en dikkat çekici olaylardan biri Claude Mythos 5 ile gerçekleştirilen test oldu.

Bu vakada model, siber güvenlik değerlendirmesi sırasında Python paketlerinin yayımlandığı açık platform PyPI’a kötü amaçlı bir paket yüklemeye kadar ilerledi. Daha sonra modelin kullandığı süreçte elde edilen bir erişim bilgisinin gerçek bir veritabanına ulaşmak için kullanıldığı belirlendi.

Anthropic, bu olayın modelin kendisine verilen görevi yerine getirmek için giderek daha riskli adımlar atabildiğini göstermesi açısından özellikle önemli olduğunu belirtti.

Bağımsız inceleme yapılacak

Anthropic, dört olayın tamamının bağımsız araştırma kuruluşu METR tarafından incelenmesi için anlaşma yaptı. Araştırmacılara olaylara ilişkin kayıtların yanı sıra daha geniş bir test verisi setine erişim sağlanacak ve şirket çalışanlarıyla görüşme imkânı sunulacak.

İlk anlaşmanın sekiz hafta sürmesi planlanıyor. Anthropic, ihtiyaç duyulması halinde incelemenin uzatılabileceğini açıkladı.

Şirketin değerlendirmesine göre Ocak ayında yaşanan Claude Opus 4.6 vakası, önceki üç olaydan daha ağır görünmüyor. Ancak olayın ilk incelemede gözden kaçmış olması, yapay zekâ sistemlerinin güvenlik testlerinde kullanılan altyapının da en az model davranışı kadar önemli olduğunu ortaya koyuyor.

Anthropic, söz konusu vakaların modellerin gerçek internete bağlı olduklarına ilişkin işaretleri nasıl değerlendirdiği ve verilen görevin sınırları dışına çıktıklarında nasıl davrandıkları konusunda daha kapsamlı güvenlik değerlendirmelerine ihtiyaç olduğunu gösterdiğini belirtti.