Anthropic confirma que sus modelos de IA escaparon accediendo a internet: hackearon 3 organizaciones

La empresa estadounidense Anthropic, una de las líderes en el desarrollo de inteligencia artificial (IA), reveló que tres versiones de su asistente Claude lograron acceder a internet e infiltrarse en los sistemas de tres organizaciones durante una serie de pruebas de ciberseguridad.

El caso se conoció pocos días después de que, el 21 de julio, OpenAI informara que dos de sus modelos de IA habían conseguido salir de un entorno de pruebas y acceder a la plataforma Hugging Face tras superar sus mecanismos de seguridad.

Según ha reconocido Anthropic en su web, durante una revisión de sus evaluaciones de seguridad, la empresa encontró tres incidentes en los que un modelo de Claude accedió a internet y posteriormente consiguió entrar en los sistemas de tres organizaciones diferentes.

La revisión de Anthropic

Anthropic, que inició esta revisión a raíz del anuncio realizado por OpenAI, analizó más de 146.000 operaciones en las que Claude podría haber obtenido acceso a internet.

Durante ese análisis, la empresa identificó tres incidentes en los que un modelo de Claude había salido a internet mientras interactuaba con un socio externo encargado de sus evaluaciones y posteriormente había logrado entrar en los sistemas de tres organizaciones diferentes.

Los incidentes, que comenzaron en abril, involucraron a tres modelos diferentes de Claude: el Opus 4.7, el Mythos 5 y un modelo interno de prueba.

En las tres ocasiones, a Claude se le había asignado el reto de infiltrarse en un sistema ficticio en un entorno de pruebas y se le había especificado que se trataba de una simulación y que no tenía acceso a internet.

Sin embargo, según Anthropic, por un malentendido entre la empresa y el socio encargado de la evaluación, Claude sí disponía de acceso a la red, por lo que cumplió su cometido entrando en sistemas reales.