Anthropic 擴充套件漏洞賞金：抓通用越獄最高獎 1.5 萬美元

以前駭客給軟體找茬，找的是記憶體洩漏或者許可權繞過。現在頂級大模型廠商找駭客，是要他們想盡辦法把 AI 搞「瘋」。

Anthropic 宣佈擴大自己的安全漏洞賞金計劃。這次他們拿出最高 1.5 萬美元的單筆獎勵，專門邀請白帽駭客和安全研究員來攻擊一套還沒正式上線的下一代安全防護系統。

懸賞 1.5 萬美元，專抓「通用越獄」

Anthropic 之前就和安全平臺 HackerOne 合作搞過邀請制的賞金計劃，但當時主要是針對已經公開發布的模型。

這次玩法變了。他們把尚未對外部署的下一代防禦機制拿了出來，給測試人員提前訪問許可權，讓大家在一個受控環境裡提前「砸場子」。

測試的核心目標很明確，就是所謂的「通用越獄」。

平時大家在網上看到的越獄提示詞，很多換個話題或者稍微變個問法就失效了。但通用越獄不同，它能成體系、穩定地跨領域繞過安全護欄。

按照 Anthropic 的定義，只要攻擊手段能讓模型回答特定數量的指定危險問題，就算是通用越獄。他們最防備的領域也非常硬核，專門點名了化學生物放射性核武器（CBRN）以及網路安全攻擊。

有能力的白帽研究人員需要在 8 月 16 日前提交申請，Anthropic 會在秋季聯絡入選者。雖然初期是小範圍邀請制，但官方表示未來打算逐步擴大規模。

為什麼重要

大模型行業現在的安全防禦，很多時候像在玩「打地鼠」。使用者發現一個提示詞漏洞，官方趕緊打個補丁，過兩天社群又琢磨出一種新套路。

Anthropic 這次的思路很清晰，他們意識到單靠內部紅隊根本測不全所有的 prompt 技巧。與其等新模型上線後被全球網友公開處刑，不如在釋出前把半成品扔給最懂行的一批駭客，花錢買平安。

我們認為，1.5 萬美元的封頂賞金對個人安全研究員來說有一定吸引力，但如果橫向對比傳統網路安全行業核心漏洞動輒數萬甚至數十萬美元的賞金，這個數額其實不算特別闊氣。

不過對於行業來說，把「通用越獄」作為獨立標的並開出明碼標價，給大模型安全評測立了一個很具操作性的靶子。這也意味著主流 AI 廠商的競爭焦點，正從單純比拼跑分，轉移到底層防失控的工程化能力上。

如果你是從事 AI 安全或紅隊測試的研究者，8 月 16 日前遞交申請絕對值得一試。能直接摸到未公開的下一代防禦架構，這種實戰經驗對安全圈內部來說本身就比賞金更有吸引力。