Anthropic 对外公布自研自动化红队测试系统 Anvil，这套基于 Claude 打造的 AI 红客工具，在信息安全测试场景里只发送 435 次请求就能找到推理信息泄露高危漏洞，对比人类安全专家需要约 10.22 万次请求，请求量刚好是人类的 1/235，同时覆盖生物安全、网络安全、信息安全三大方向自主做越狱、防护绕过测试，单组任务测试耗时压缩到 0.5–3.5 小时，过去人工红队往往要花费数周，Anvil 不只是简单批量发提示词，而是会自主迭代攻击策略、调整攻击思路，优先挖掘模型安全防护分类器的隐性缺陷，用来提前发现 Claude 大模型自身的越狱、推理泄露、安全旁路问题，方便研发团队快速修复加固防护机制，不过这套工具定位是防御侧的红队自检工具，Anthropic 也强调严格管控，不会开放给外部攻击者滥用，同时也带来新的安全争议，这种高效自动化攻击能力如果外泄，会降低 AI 越狱攻击门槛。
Anvil 与人类红队测试能力对比表
| 对比维度 | Anthropic Anvil AI 红队 | 人类专业红队测试人员 |
|---|---|---|
| 信息安全场景请求量 | 435 次 | 102200 次 |
| 请求比例 | 人类的 1/235 | 基准 100% |
| 单任务耗时 | 0.5–3.5 小时 | 数周级别 |
| 测试覆盖领域 | 生物安全、网络安全、信息安全 | 可覆盖同类领域，效率偏低 |
| 攻击方式 | 自主迭代策略、自动调整提示词 | 人工设计、手动试错、经验驱动 |
| 定位用途 | 模型安全自检、优化防护分类器 | 渗透测试、红队评估、漏洞挖掘 |
三大测试场景实测结果清单
- 生物安全：24 组测试组合里面，Anvil 在 23 组找到了等级更高的越狱方案，剩余 1 组和人类测试结果持平，用来检验模型对危险生物相关请求的拦截能力
- 网络安全：全部 24 组模型 + 任务组合都成功突破防护，验证安全监控、阻断策略的薄弱点
- 信息安全：主打检测隐藏推理内容泄露，也就是诱导模型输出本应保密的内部思考过程，也是本次 1/235 请求量数据的来源场景
Anvil 完整自动化红队测试流程
- 选定测试目标与评估指标，比如检测推理泄露、越狱绕过、危险指令放行
- Anvil 自主生成首轮攻击提示词，提交给目标模型，收集返回结果
- 自动判断本次攻击是否成功，分析失败原因，迭代调整攻击策略，生成新提示
- 循环迭代，直到成功触发漏洞，或者达到预设最大请求上限
- 记录攻击路径、Payload、漏洞现象，输出标准化漏洞报告，标记严重等级
- 研发团队拿到报告，针对性优化安全分类器，之后再用 Anvil 复测验证修复效果
优势与风险说明
优势方面，Anvil 大幅压低红队测试成本，能快速找出人类很难发现的低概率隐性漏洞，持续迭代 AI 安全防护，用来评估不同版本安全分类器的强弱，新版本防护越强，Anvil 需要的请求次数就越多。
风险同样突出，这种高效攻击方案一旦流出，攻击者可以低成本批量越狱各类大模型；Anvil 本身只能发现漏洞，不能自动修复漏洞；测试结果也存在误报，高危漏洞最终还是需要安全专家复核确认。
【相关 FAQ】
问题 1：Anthropic 这套 AI 红客系统 Anvil，为什么请求量只有人类的 1/235？
回答 1：Anthropic AI 红队系统 Anvil 在信息安全推理泄露测试场景，仅 435 次请求就挖到严重漏洞，人类专家需要 10.22 万次请求，换算后就是人类的 1/235，核心是它会自主迭代优化攻击策略，而不是盲目试错。
问题 2：Anthropic 的 AI 红客 Anvil，主要覆盖哪几类安全测试方向？
回答 2：Anthropic AI 红客 Anvil 支持三大方向测试，分别是生物安全、网络安全、信息安全，重点用来挖掘大模型安全防护机制的绕过、越狱、推理信息泄露漏洞。
问题 3：Anthropic 推出 AI 红客 Anvil，它的定位是给黑客做攻击工具吗？
回答 3：Anthropic 推出 AI 红客 Anvil 定位是内部防御自检工具，用来提前发现 Claude 模型安全缺陷、优化安全分类器，官方做严格管控，不会对外向攻击者开放。
问题 4：Anthropic AI 红客 Anvil，一次测试任务大概需要多久？
回答 4：Anthropic AI 红客 Anvil 在网络安全测试场景，单组任务完成测试耗时区间为 0.5–3.5 小时，对比传统人工红队数周的周期，效率提升非常明显。
问题 5：Anthropic AI 红客 Anvil 挖到漏洞之后，是不是可以直接自动修复？
回答 5：Anthropic AI 红客 Anvil 只负责自动发现、复现漏洞并且输出报告，不具备自动修复能力，漏洞修复、有效性复核依旧需要安全工程师来完成。
【参考资料】
[2026-11-13]（Anthropic 新 AI 红客来了！只用人类 1/235 的请求量，就找到严重漏洞）智东西
[2026-11-13]（Anthropic 发布 Anvil 自动化红队系统，高效挖掘模型安全漏洞）网易科技
[2026-11-13]（Anthropic Anvil: Automated Red Teaming for Frontier Model Safety）Anthropic 官方博客
[2026-11-13]（Anthropic Anvil 实测：部分场景攻击效率远超人类红队）量子位
[2026-10-27]（Discovering and exploiting vulnerabilities in critical, real-world software with Claude）Anthropic 研究页
【免责声明】
本文内容仅为 Anthropic Anvil AI 红队系统公开研究资讯整理，不构成渗透测试、黑客攻击、安全采购、投资建议；Anvil 属于 Anthropic 内部安全研究工具，相关攻击能力严禁私自用于未授权系统测试；工具能力、测试指标、管控规则以 Anthropic 官方发布为准。
本文来自作者[暗晶信传]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/rgzn/202611/1101.html
评论列表（4条）
我是环球科技潮的签约作者“暗晶信传”！
希望本篇文章《标题Anthropic 推出 AI 红队系统 Anvil，仅需人类 1/235 请求量即可挖到严重漏洞》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：Anthropic 对外公布自研自动化红队测试系统 Anvil，这套基于 Claude 打造的 AI 红客工具，在信息安全测试场景里只发送 435 次请求就能找到推理信息泄露高危漏洞，对比人类安全专家需要约 10.22 万次请求，请求量刚好是人类的 1 235，同时覆盖生物安全、网络安全、信息安全三大方向自主做越狱、防护绕过测试，单组任务测试耗时压缩到 0.5–3.5 小时，过去人工红队往往要花费数周，Anvil 不只是简单批量发提示词，而是会自主迭代攻击策略、调整攻击思路，优先挖掘模型安全防护分类器的隐性缺陷，用来提前发现 Claude 大模型自身的越狱、推理泄露、安全旁路问题，方便研发团队快速修复加固防护机制，不过这套工具定位是防御侧的红队自检工具，Anthropic 也强调严格管控，不会开放给外部攻击者滥用，同时也带来新的安全争议，这种高效自动化攻击能力如果外泄，会降低 AI 越狱攻击门槛。