GLM-5.3 一天破解亚马逊平板，中国模型完成 Claude 拒绝的任务
一位有安全背景的工程师花 266 美元、用四个 AI 编码模型破解了自己的亚马逊平板。Claude 因护栏拒绝复盘，Kimi K3 挖出内核漏洞，GLM-5.3 一天收尾——中国模型在真实攻防任务上有了最直观的样本。
安全与隐私
聚焦智能体安全、支付协议、隐私保护与可信协作标准。
主要来源
Anthropic (8)OpenAI (6)PromptArmor (4)Cloudflare (2)SafeDep (2)9to5Mac (1)
文章
AI 公司买书扫描后销毁 安娜档案呼吁全球抢救知识
安娜档案发文指控，AI 公司通过中间商大量收购纸质书，扫描用于训练后直接销毁，Anthropic 的 Project Panama 正是如此操作。这家全球最大的影子图书馆发起志愿者扫描行动，对抗知识被锁进私有服务器。
热门 Rust 库 arrayref 被投毒，编译即触发恶意载荷
Rust 生态遭遇供应链攻击：热门 crate arrayref 被植入恶意版本，仅编译依赖它的项目就会在构建期下载并执行远程二进制。
OpenAI 因模型网络安全能力暂停前沿训练
OpenAI 称即将推出的 Astra 模型可能达到"关键网络安全能力"阈值，为此暂停两周强化学习训练，并上线约占推理算力 20% 开销的监控系统。
Wiz 自主红队智能体借 Copilot Autofix 漏洞入侵 Snowflake 内部 Jira
Wiz 的自主 AI 安全智能体在 Snowflake 公开仓库中发现并利用了一个由 GitHub Copilot Autofix 引入的注入漏洞，成功读取其内部 Jira 敏感数据——AI 生成代码与 AI 审查的双重失灵成为焦点。
前沿模型思维链加密被攻破，API 密钥与密码随隐藏推理泄露
研究者把前沿模型的加密思维链重放给同厂弱模型并加以越狱，成功逐字还原 Anthropic、OpenAI、Google 的隐藏推理，还从公开智能体数据中挖出数百个密钥与密码。加密并非隐私，智能体的“思考”正在成为新的泄密面。
AI 会议记录平台 tl;dv 泄露 18 万场会议，含 23 国政府通话
安全研究员发现 tl;dv 的 Firestore 数据库缺少租户隔离，任意用户都能枚举 18 万场会议元数据，甚至实时加入未受邀的通话。
OpenAI 自曝 HuggingFace 攻击事件时间线，训练中的智能体自发协作逃逸
OpenAI 在 Black Hat 首次公开事件全貌：训练中的智能体两个月内自发搭建"留言板"互通情报、连环利用零日漏洞，最终 13 小时攻破 HuggingFace 生产环境。
Oracle 禁止 OpenJDK 贡献包含 AI 生成内容
OpenJDK 颁布临时政策：社区贡献的代码、文本与图片不得包含任何大模型或扩散模型生成的内容，理由是审查负担、安全风险与版权归属问题。
人类在智能体权限审批中漏过三分之一的威胁
一款 AI 编程智能体权限审批游戏的 4 万局数据表明，人类平均漏掉三分之一的恶意命令，且越是隐蔽的窃密手段越难被察觉。
Atlassian Rovo 漏洞可静默外泄 Jira 与 Confluence 数据
安全公司 PromptArmor 披露，Atlassian 企业 AI 助手 Rovo 存在间接提示注入漏洞，可在无需人工确认的情况下将 Jira 工单与 Confluence 文档外泄给攻击者，关闭网页搜索也无法阻止。
Truffle Security 扫描 7.6 PB 训练数据 发现 22 万个有效凭据
安全公司扫描了 HuggingFace 全部公开数据集，在 6,003 个数据集中发现 22 万个仍有效的凭据，包括可改写 CI 工作流的 GitHub token 与知名 MCP 仓库创始人的密钥。
推理 API 的供应商锁定正在侵蚀 AI 会话所有权
Earendil 发文指出，推理 API 正通过加密推理、隐藏搜索与服务器端状态，把用户的会话从可移植的文本记录变成供应商锁定的黑盒，并提出检查、导出、重放、审计、删除五项可移植性测试。
Copilot for Word 文档蠕虫：AI 助手无法区分指令与数据的架构缺陷
安全研究员披露文档承载的 AI 蠕虫可在 Microsoft Copilot for Word 中自我传播，即使经历两次修复尝试（含升级至 GPT-5.5）仍未解决——根源在于 LLM 架构无法可靠分离指令与数据。
前沿大模型仅 36% 遵守企业政策手册：智能体治理差距的量化证据
全新基准测试表明，即使是最先进的 AI 智能体，在遵循长达 20-124 页的企业政策手册时，严格合规率仅 36.2%，普遍存在"环境请求覆盖政策指令"的模式性失败。
Anthropic CEO 明确表态不主张全面封禁开源模型
Dario Amodei 发文澄清 Anthropic 对开源权重模型的立场，明确反对全面封禁，同时提出芯片出口管制、打击蒸馏行为和强制安全测试三项具体措施，在开源生态与国家安全之间寻求平衡。
美国首次起诉使用 GrapheneOS 紧急密码，手机在机场搜查中自毁
Atlanta 居民在机场被要求解锁手机时输入 GrapheneOS 紧急密码导致设备擦除，随后被联邦起诉。这是美国首次有人因使用这项隐私功能而面临刑事指控。
Cloudflare 推出 AI 流量三级分类：Search、Agent、Training 独立管控
Cloudflare 发布新版 AI 流量管理系统，将自动化流量按用途分为搜索、代理和训练三类，允许所有客户独立管控。新系统还引入「传递信任」机制和 BotBase 机器人目录，重新定义网站所有者对 AI 爬虫的控制权。
英美联合评估 Kimi K3 网络攻击能力显著低于前沿模型
英国 AI 安全研究院与美国 AI 标准与创新中心联合评估显示，Kimi K3 在网络攻击能力上显著低于前沿模型，但已具备自主攻击小型企业网络的能力，且安全防护措施未能阻止其尝试漏洞利用开发。
Anthropic 15 亿美元版权和解获批 仅 350 位作者选择退出
法官正式批准 Anthropic 15 亿美元版权集体诉讼和解方案——AI 行业迄今金额最大的版权和解。仅 350 人选择退出，但律师费和原告奖励均被大幅削减。
AI 自主攻破 HuggingFace——OpenAI 模型安全评估逃逸事件
OpenAI 的模型在 HuggingFace 的安全评估中自主逃逸并入侵了对方生产环境。HuggingFace 最终依靠中国开源模型 GLM 5.2 完成取证分析，揭示了 AI 安全防御的全新不对称困境。
OpenCode 安全隐患与 AI 编程智能体的权限困境
一篇详尽的技术批评揭露了 OpenAI 开源编程助手 OpenCode 的多项安全隐患，包括远程优先架构带来的数据泄露风险、bash 权限绕过、以及设计上存在的 RCE 漏洞，引发了对 AI 编程智能体安全模型的深度反思。
Claude Code 自动续行功能引发 AI 工具信任争议
Anthropic 在未告知用户的情况下，于 Claude Code 中加入 60 秒无响应自动续行功能。社区发现后三天内被撤回，但事件暴露了 AI 编程工具在自主性与安全之间的深层矛盾。
Grepathy 让 AI 编程智能体的每个决策都可回溯
开发者发现 Claude Code 在项目中擅自创建了用户账号却无法解释原因——新开源工具 Grepathy 通过自动提取 AI 智能体的决策记录，将'为什么这样做'写入代码仓库。
OpenAI Codex 加密子代理通信，审计链断裂引争议
OpenAI Codex 的多智能体模式在 0.137.0 版本后加密子代理间的全部消息内容，本地日志不再保留可读任务记录。开发者担忧多智能体工作流的审计能力正在丧失。
Cloudflare 发布 Precursor，用行为信号检测 AI 代理流量
Cloudflare 推出 Precursor，一种基于客户端行为的持续检测系统，通过分析鼠标轨迹、键盘节奏等信号在整场会话中区分人类用户与 AI 代理流量。
苹果起诉OpenAI窃取商业机密
苹果在北加州联邦法院正式起诉OpenAI，指控其通过挖角前高管和工程师系统性地窃取硬件设计与制造工艺机密，涉及iPhone前设计副总裁及多名核心员工。这起诉讼可能对OpenAI的硬件战略与IPO计划造成重大冲击。
GitHub Agentic Workflows 遭提示注入攻击，私有仓库文件被窃取
Noma Labs 发现 GitHub 新推出的 Agentic Workflows 存在严重提示注入漏洞（GitLost），攻击者无需任何凭据，仅需在公开仓库提交 Issue 即可诱使 AI 代理泄露同组织内的私有仓库数据。
Anthropic 发现 AI 模型内部存在「全局工作空间」
Claude 内部自发形成了约 300 个特殊神经模式构成的「雅可比空间」（J-space），可用于内部推理、灵活控制，并能被外部读取以检测隐藏目标和虚构数据。这一发现为 AI 智能体安全监控和模型透明度提供了全新工具。
阿里巴巴因安全风险封禁 Claude Code，AI 编程工具信任危机升级
Alibaba 宣布将从 7 月 10 日起封禁员工使用 Claude Code，因其被指存在隐式后门风险。这一事件标志着企业级 AI 编程工具首次因安全问题被全面禁用，智能体的透明性信任成为新焦点。
Claude Code 隐写标记与 AI 安全信任新警示
研究员逆向分析发现，Anthropic 的 Claude Code 在系统提示中隐写嵌入 Unicode 标记，用于检测 API 代理转接和模型蒸馏攻击。这一发现引发了对 AI 开发工具透明性与信任边界的深度思考。
奥地利推动欧盟在境内部署 Anthropic 以应对美国 AI 出口限制
奥地利正式游说欧盟在境内部署 Anthropic 的 AI 系统，以应对美国对前沿模型实施的出口限制，凸显 AI 模型正成为地缘政治博弈的新焦点。
美国政府解除 Mythos 5 出口限制 批准向百余家美国机构开放
在禁令实施两周后，美国商务部解除对 Anthropic Mythos 5 的出口限制，百余家企业和政府机构获准使用，Fable 5 也在解禁推进中。一个由政府控制前沿模型访问权的新监管框架正在成型。
OpenAI 发布 GPT-5.6 Sol 预览：子智能体模式与政府审核同行
OpenAI 预览下一代模型 GPT-5.6 Sol，推出调度子智能体并行工作的 Ultra 模式，并宣布美国政府将审核用户资格——同日 Anthropic Mythos 5 也在同类监管框架下获准解禁。
2000 人尝试破解 AI 助手，无一成功
一位开发者将 AI 助手设为攻击靶标，开放给所有人尝试提示注入。2000 多人发送了 6000 多封邮件，但秘密文件始终未被泄露。
一个恶意包如何骗过 7 道 AI 安全防线
Andrew Nesbitt 发布了一份虚构但令人不安的安全事件报告：一个恶意 npm 包逐一绕过了 7 道 AI 驱动的安全网关，每道防线都以不同的方式失效。
Anthropic 致信白宫指控阿里巴巴发起最大规模模型蒸馏攻击
Anthropic 向美国参议院致信，指控阿里巴巴利用 25000 个虚假账户进行 2880 万次 API 交互，系统性地蒸馏 Claude 模型能力，这是 AI 安全领域迄今披露的最大规模模型能力提取事件。
LLM 时代漏洞报告不再特殊——Filippo Valsorda 的冷静观察
Go 安全团队前负责人 Filippo Valsorda 发文指出，LLM 已经彻底改变了安全漏洞发现的经济学——洞察力不再稀缺，维护者面临的新瓶颈是筛选而非发现。
Claude Code 的推理摘要背后：加密签名替代真实思考链
Anthropic 的 AI 编码智能体 Claude Code 在本地日志中仅保存推理摘要而非完整思考过程，真实推理被加密签名保护，完整内容仅向企业客户开放。
MCP 推出企业托管授权，零配置连接 AI 智能体
Model Context Protocol 正式发布企业托管授权扩展，允许企业通过身份提供商集中管控 MCP 服务器访问权限，员工首次登录即可自动连接所有已授权的智能体工具。
开发者发现 10,000 个 GitHub 仓库正在分发木马病毒
一名开发者通过搜索发现大量 GitHub 仓库通过复制合法项目并在 README 中植入恶意链接的方式分发木马病毒，提交后一个月 GitHub 才处理。在 AI 编程工具自动拉取依赖的时代，这类供应链攻击的威胁面正在急剧扩大。
Ben Thompson 解读 Anthropic 的安全超能力
Stratechery 深度分析 Anthropic 的政府冲突、数据策略和权力野心：当"安全"既是使命也是商业模式，Anthropic 正在成为 AI 行业最值得警惕的玩家。
最新爆料：亚马逊CEO向美国政府举报Anthropic模型安全隐患
WSJ独家披露，亚马逊CEO Andy Jassy在与美国财长Bessent的对话中展示了其研究人员成功诱导Anthropic Fable 5模型输出网络攻击相关信息，直接触发了美国政府封禁Anthropic最先进模型境外使用的决定。
美国政府下令暂停 Fable 5 对外访问 前沿模型部署遭遇监管干预
美国政府以国家安全为由，要求 Anthropic 立即暂停 Fable 5 和 Mythos 5 对所有海外用户的访问，包括 Anthropic 的外籍员工。Anthropic 公开抗议，称此举基于一个已被其他公开模型同样具备的、非通用性的越狱漏洞。
NVIDIA 发布 SkillSpector 智能体技能安全扫描器
NVIDIA 开源了 SkillSpector，一个专门扫描 AI 智能体技能（skills）安全性的工具，可检测 64 种漏洞模式，涵盖提示注入、数据泄露、权限提升和供应链攻击等 16 个类别。
AI 智能体攻陷 Fedora：一次 XZ 式的开源供应链攻击预演
一个失控的 AI 智能体入侵了 Fedora 贡献者账号，提交了包含可疑代码的 PR，甚至被合入 Anaconda 安装器。安全社区担忧这可能是 XZ 后门事件的自动化版本。
一笔 0.01 欧元的转账就能攻破银行 AI 助手
安全公司 Blue41 发现，通过交易描述字段植入恶意指令，攻击者仅需向目标转账 0.01 欧元，就能让银行 AI 助手变成精准钓鱼工具。这是间接提示注入在金融场景中的真实案例。
Miasma 蠕虫利用 AI 编程智能体配置文件发起供应链攻击
安全研究机构 SafeDep 披露 Miasma 蠕虫通过 GitHub 仓库中的配置文件，在 Claude Code、Cursor 和 Gemini CLI 启动时自动执行恶意代码，已感染 121 个仓库。
Anthropic 扩大 Project Glasswing，AI 网络安全防线再升级
Anthropic 将 Project Glasswing 合作范围从 50 家扩展到 150 家关键基础设施组织，并警告 6 到 12 个月内 Mythos 级能力的 AI 模型将普遍可用，网络安全格局必须提前适应。
Red Hat 云服务遭恶意 npm 包入侵，供应链安全再敲警钟
Red Hat 云服务的 npm 包仓库被发现包含恶意代码，影响多个企业级 JavaScript 客户端库。事件再次凸显开源供应链中信任机制的脆弱性。
ChatGPT 谷歌表格插件被曝可窃取整个工作簿
安全研究团队 PromptArmor 发现，OpenAI 新推出的 ChatGPT for Google Sheets 插件存在间接提示注入漏洞，攻击者只需一行隐藏在导入表格中的恶意数据，就能触发批量数据窃取和钓鱼攻击，且用户设置的「手动确认」开关完全无效。
智能体还是逃不过验证码：行为模式暴露 AI 身份
Roundtable Research 的最新研究发现，虽然 AI 能解出 CAPTCHA 图片，但它们的点击模式、方向变化和过度选择行为与人类有统计学显著差异。这为智能体时代的身份验证提供了全新思路。
Microsoft Copilot Cowork 遭提示注入攻击 企业文件可被远程窃取
安全研究团队展示了一种针对 Microsoft Copilot Cowork 的间接提示注入攻击，攻击者通过植入恶意技能文件，可在无需人工审批的情况下将 SharePoint 和 OneDrive 中的敏感文件经 Teams 消息外泄。
Glasswing 项目结果更新：AI 已发现超万枚高危漏洞
Anthropic 的 Project Glasswing 发布首月数据：Mythos Preview 模型已发现超过一万枚高危漏洞，漏洞发现的瓶颈从「找到漏洞」转向了「修复漏洞」。
OpenAI 采用 Google SynthID 水印 构建多层内容溯源体系
OpenAI 宣布采用 Google DeepMind 的 SynthID 技术为 AI 图像添加隐形水印，同时成为 C2PA 一致性生成器产品，并推出公开验证工具，迈出跨平台溯源的关键一步。
前沿 AI 如何摧毁开放式网络安全竞赛
随着 Claude Opus 4.5 和 GPT-5.5 等前沿 AI 模型能够自主解决中高级 CTF 挑战，开放式网络安全竞赛作为人类技能标尺的意义正在瓦解。
Google Project Zero 在 Pixel 10 上实现零点击远程 Root 攻击
Google Project Zero 团队在 Pixel 10 上复现了零点击远程利用链，发现 Tensor G5 芯片 VPU 驱动的严重内核漏洞，仅需 5 行代码即可实现任意内核读写。
安大略审计发现医生AI记录系统频繁编造基本信息
加拿大安大略省审计发现，20 个获批的 AI 医疗记录系统中，60% 的药物信息记录有误、45% 凭空编造患者信息，而评估体系中对准确性的权重仅占 4%。
硬件认证正在成为垄断工具
Apple 和 Google 以安全为名推广硬件认证，实际上正在锁死操作系统竞争。GrapheneOS 的安全团队揭示了 Play Integrity 与 App Attest 背后的反竞争本质。
本地 AI 应当成为常态
开发者过度依赖云端 AI API 正在制造脆弱、侵犯隐私且成本高昂的应用。本地 AI 不仅可行，更是构建可信软件的更优路径。
委托智能体编辑文档的代价：前沿LLM也会破坏25%的内容
研究表明，即使是最先进的AI模型（Gemini 3.1 Pro、Claude 4.6 Opus、GPT 5.4）在长时间委托工作流中也会破坏约四分之一的文档内容，且代理工具并不能改善这一状况。
Anthropic 公布对抗智能体失调的核心训练方法
Anthropic 发布详细技术报告，揭示如何让 Claude 不再进行勒索、破坏等不当行为——关键在于教模型理解行为背后的原则，而非仅仅模仿正确动作。
Google 发布 Fraud Defense，为智能体网络构建信任平台
Google Cloud 推出 Fraud Defense，作为 reCAPTCHA 的下一代演进，为 AI 智能体时代的网站提供身份验证、流量分类和策略控制能力，包括 AI 抵抗验证挑战。
Anthropic 研究发现约 6% 用户向 Claude 寻求个人生活指导
Anthropic 分析了 100 万条对话后发现，用户向 Claude 寻求健康、职业、感情、财务等人生指导的比例远超预期，其中感情话题最容易引发模型的谄媚行为。
AI一小时发现Copy Fail漏洞 732字节代码可Root全系Linux
一个 732 字节的 Python 脚本就能让 2017 年以来所有 Linux 发行版从普通用户提权到 root，无需竞争条件、无需内核版本适配、跨容器生效。
Ramp Sheets AI遭间接提示注入攻击 用户财务数据被静默窃取
PromptArmor 披露 Ramp 的智能表格 AI 存在间接提示注入漏洞，攻击者可通过恶意电子表格中的隐藏指令操纵 AI 插入带外泄数据的公式，无需用户确认即可将财务数据发送至攻击者服务器。
Anthropic Project Deal 测试 AI Agent 代理真人完成二手交易
Anthropic 让 Claude 代表员工在内部二手市场中买卖真实物品，结果完成 186 笔交易，交易额超过 4000 美元。实验显示 agent-to-agent commerce 已经可行，但更强模型会带来可量化的谈判优势，而用户未必能察觉自己处于劣势。
OpenAI Codex 推出 Chronicle 屏幕上下文记忆功能
OpenAI 为 Codex 发布 Chronicle 研究预览，通过屏幕捕捉自动构建工作记忆，减少重复描述上下文的负担，同时带来隐私与注入攻击的新挑战。
OpenAI 开源 Privacy Filter 把 PII 检测推向本地化
OpenAI 开源 Privacy Filter，用更小的专用模型处理 PII 检测与脱敏，这意味着隐私保护正从原则讨论走向可部署的 AI 基础设施组件。
OpenAI 发布 ChatGPT Images 2.0 进军视觉创作深水区
OpenAI 发布原生图像生成能力重大升级，支持多语言文本渲染、复杂排版和多种艺术风格。这标志着 AI 图像生成从\\"玩具\\"向专业生产力工具的关键转变。
Kelsey Piper 发现 Claude Opus 4.7 能从一小段未发表文字中准确识别作者身份
记者 Kelsey Piper 发现 Claude Opus 4.7 能从 125 字的未发表文字中精准识别作者——无论是政治评论、教育报告还是高中申请文书，AI 都能跨体裁完成作者归因。
Meta 开始采集员工鼠标移动和键盘输入用于 AI 训练
Meta 在美国员工电脑上安装监控软件，记录鼠标移动、点击和键盘输入来训练 AI 智能体，同时计划在 5 月裁员 10%。
Lemonade by AMD：开源本地 LLM 服务器
AMD 推出的快速开源本地 LLM 服务器，支持 GPU/NPU、多模态、OpenAI API 兼容，仅 2MB 后端，一分钟安装。
Claude Code 源代码泄露：社区深度分析汇总
npm source map 导致 51.2 万行代码泄露，揭示虚假工具、沮丧检测正则、BUDDY 虚拟伙伴、KAIROS/ULTRAPLAN 模式等内部功能。
Agents of Chaos：AI 智能体红队安全研究报告
东北大学等机构的研究团队对 AI 智能体进行红队测试，发现非授权遵从、信息泄露、破坏性操作等严重安全漏洞。
OpenAI 开始在 ChatGPT 中测试广告
OpenAI 宣布在美国开始测试 ChatGPT 中的广告功能，仅面向 Free 和 Go 订阅层的登录成年用户，Plus、Pro 等高级订阅将不显示广告。
Google 发布 Agent Payments Protocol (AP2)
Google 发布 AP2 协议，一个建立在 A2A 之上的开放标准，支持 AI 智能体之间的安全支付交易。