A vállalat azt mondta, hogy az OpenAI nyilvánosságra hozatalát követően több mint 140 ezer eset áttekintése során fedezték fel az incidenseket.
A három esetben az Anthropic modelljei egy „capture the flag” kihívást kaptak: azt mondták nekik, hogy a „zászló” egy másik gépen van elrejtve a hálózaton, és a kitűzött céljuk a betörés és annak visszaszerzése lett. Az OpenAI esetével ellentétben az Anthropic azt állította, hogy egyik modelljük sem próbált szándékosan kijutni a tesztkörnyezetből. Ehelyett az történt, hogy a modelleknek nem kellett volna hozzáférniük a nyílt internethez, de az Anthropic és értékelő partnere közötti félreértés miatt mégis sikerült nekik – áll a vállalat közleményében.
A három meg nem nevezett szervezetbe való betöréshez a modellek olyan alapvető technikákat alkalmaztak, mint a „gyenge jelszavak kihasználása” és olyan rendszerpontok keresése, amelyek nem igényelnek bejelentkezést vagy tokeneket – közölte az Anthropic.