Anthropic: AI Agent phát hiện lỗ hổng trị giá 4,6 triệu đô la trong các hợp đồng thực tế

Theo Foresight News, Anthropic đã công bố báo cáo cho biết các nhà nghiên cứu của họ đã thử nghiệm các mô hình Claude Opus 4.5, Claude Sonnet 4.5 và GPT-5 trên bộ dữ liệu chuẩn SCONE do chính họ xây dựng (bao gồm 405 hợp đồng thực tế bị tấn công từ năm 2020 đến năm 2025). Trong các hợp đồng bị tấn công sau thời điểm cập nhật kiến ​​thức (tháng 3 năm 2025), ba mô hình này đã cùng nhau phát hiện ra các lỗ hổng có thể khai thác với tổng giá trị ước tính khoảng 4,6 triệu đô la. Hơn nữa, trong các thử nghiệm mô phỏng trên 2.849 hợp đồng mới được triển khai mà không có lỗ hổng nào được biết đến, Sonnet 4.5 và GPT-5 mỗi mô hình đã phát hiện ra hai lỗ hổng zero-day mới, có khả năng gây ra tổng thiệt hại là 3.694 đô la, trong đó API của GPT-5 có giá 3.476 đô la.