引言：AI网络安全的新时代
人工智能模型在网络安全领域的应用已从理论走向实践，成为防御者不可或缺的工具。随着研究和实践不断证明前沿AI作为网络攻击工具的效用，我们投入资源提升Claude在帮助防御者检测、分析和修复代码及部署系统漏洞方面的能力。这项工作使得Claude Sonnet 4.5在发现代码漏洞和其他网络安全技能方面，能够匹配甚至超越仅两个月前发布的旗舰模型Opus 4.1。对于防御者而言，采纳和实验AI技术将是保持竞争力的关键。
我们相信，AI对网络安全的影响正处于一个重要的转折点。过去几年，我们的团队一直在密切关注AI模型与网络安全相关的能力。最初，我们发现模型在高级和有意义的能力方面并不特别强大。然而，在过去一年左右，我们注意到一个转变：
- 我们展示了模型能够在模拟中重现历史上代价最高的网络攻击之一——2017年Equifax数据泄露事件。
- 我们让Claude参加网络安全竞赛，在某些情况下，它的表现甚至超过了人类团队。
- Claude帮助我们发现了自身代码中的漏洞并在发布前修复了它们。
AI网络安全的实践验证
在今年的DARPA AI网络挑战赛中，团队使用大型语言模型（包括Claude）构建了"网络推理系统"，检查数百万行代码以发现并修复漏洞。除了植入的漏洞外，团队还发现（有时修复了）先前未发现、非合成的漏洞。在竞赛之外，其他前沿实验室现在正应用模型来发现和报告新的漏洞。
与此同时，作为我们保障工作的一部分，我们发现并破坏了我们自己平台上利用AI扩大其运营规模的行为者。我们的保障团队最近发现并破坏了一起"氛围黑客"事件，网络犯罪分子使用Claude构建了一个大规模的数据勒索计划，这以前需要一个完整团队才能完成。保障团队还检测并 counter 了Claude在日益复杂的间谍行动中的使用，包括针对关键电信基础设施的行动，该行为表现出与中国APT行动一致的特征。
所有这些证据线都让我们认为，我们正处于网络安全生态系统的重要转折点，从现在开始的进展可能会变得相当快或使用可能会快速增长。
因此，现在是加速AI防御应用以保护代码和基础设施的重要时刻。**我们不应将AI带来的网络优势拱手让给攻击者和犯罪分子。**虽然我们将继续投资于检测和破坏恶意攻击者，但我们认为最具可扩展性的解决方案是构建AI系统，赋能那些保护我们数字环境的人——如保护企业和政府的安全团队、网络安全研究人员以及关键开源软件的维护者。
Claude Sonnet 4.5：强化网络安全技能
随着大型语言模型规模的扩大，"涌现能力"——在较小模型中不明显且不一定是模型训练明确目标的能力——开始出现。事实上，Claude在执行网络安全任务（如Capture-the-Flag挑战中寻找和利用软件漏洞）方面的能力，一直是开发通用有用AI助手过程中的副产品。
但我们不希望仅仅依靠通用模型的进步来更好地装备防御者。由于AI和网络安全发展这一时刻的紧迫性，我们专门投入研究人员使Claude在代码漏洞发现和修复等关键技能上变得更好。
这项工作的成果反映在Claude Sonnet 4.5中。它在许多网络安全方面与Claude Opus 4.1相当或更优，同时成本更低、速度更快。
评测证据：性能显著提升
在构建Sonnet 4.5时，我们有一个小型研究团队专注于增强Claude在代码库中发现漏洞、修复漏洞以及在模拟部署的安全基础设施中测试弱点方面的能力。我们选择这些任务是因为它们反映了防御者的重要工作。我们刻意避免那些明显有利于进攻工作的增强——如高级利用或编写恶意软件。我们希望模型能够在部署前发现不安全的代码，并找到并修复已部署代码中的漏洞。当然，我们没有关注许多其他关键的安全任务；在本文末尾，我们将详细阐述未来的方向。
为了测试我们研究的效果，我们对模型进行了行业标准评测。这些评测 enables 在模型之间进行清晰的比较，衡量AI进展的速度，并且——特别是在新颖的、外部开发的评测情况下——提供了一个很好的指标，确保我们不仅仅是在针对自己的测试进行教学。
Cybench评测：突破性表现
我们跟踪评测已超过一年的评估之一是Cybench，这是一个从CTF竞赛挑战中提取的基准。在这个评测中，我们看到Claude Sonnet 4.5取得了显著的改进，不仅超越了Claude Sonnet 4，甚至超越了Claude Opus 4和4.1模型。最引人注目的是，Sonnet 4.5在每项任务尝试一次的情况下，比Opus 4.1在每项任务尝试十次的情况下取得更高的成功率。这个评估中包含的挑战反映了相当复杂、长时间的工作流程。例如，一个挑战涉及分析网络流量，从该流量中提取恶意软件，然后反编译和解密该恶意软件。我们估计，这至少需要熟练的人类一小时，甚至可能更长；Claude花了38分钟解决了它。
当我们给Claude Sonnet 4.5 10次尝试Cybench评测的机会时，它在76.5%的挑战中成功。这特别值得注意，因为在过去六个月内，我们将这个成功率翻了一番（2025年2月发布的Sonnet 3.7在10次试验时只有35.9%的成功率）。
模型在Cybench上的表现。Claude Sonnet 4.5在给定k=1、10或30次试验的情况下，显著优于所有之前的模型，其中成功概率被测量为在至少一次k次试验成功的比例问题上的期望。请注意，这些结果是在原始40个Cybench问题中的37个子集上进行的，由于实施困难，排除了3个问题。
CyberGym评测：漏洞发现能力大幅提升
在另一个外部评测中，我们在CyberGym上评估了Claude Sonnet 4.5，这是一个评估代理能力的基准，要求（1）根据弱点的高级描述在真实开源软件项目中找到（先前已发现的）漏洞，（2）发现新的（先前未发现的）漏洞。CyberGym团队先前发现Claude Sonnet 4是他们公共排行榜上最强的模型。
Claude Sonnet 4.5的得分显著优于Claude Sonnet 4或Claude Opus 4。当使用与公共CyberGym排行榜相同的成本约束时（即每个漏洞的LLM API查询限制为2美元），我们发现Sonnet 4.5达到了新的最先进分数28.9%。但真正的攻击者很少受到这种限制：他们可以进行多次尝试，每次尝试的花费远超过2美元。当我们移除这些限制并给每个任务30次尝试时，我们发现Sonnet 4.5在66.7%的程序中重现了漏洞。虽然这种方法相对成本较高，但绝对成本——尝试一个任务30次约45美元——仍然相当低。
*模型在CyberGym上的表现。Sonnet 4.5优于所有之前的模型，包括Opus 4.1。注意，Opus 4.1由于其较高的价格，在1次试验场景中没有遵循与其他模型相同的2美元成本限制。
同样有趣的是Claude Sonnet 4.5发现新漏洞的速率。虽然CyberGym排行榜显示Claude Sonnet 4只在约2%的目标中发现漏洞，但Sonnet 4.5在5%的情况下发现了新漏洞。通过重复试验30次，它在33%以上的项目中发现了新漏洞。
模型在CyberGym上的表现。Sonnet 4.5在一次尝试时发现新漏洞的能力就超过了Sonnet 4，并且在给予30次试验时，其表现大幅超越。
补丁生成研究：修复能力的初步探索
我们还在进行初步研究，探索Claude生成和审查修复漏洞补丁的能力。修复漏洞比发现它们更难，因为模型必须进行外科手术式的更改，移除漏洞而不改变原始功能。在没有指导或规范的情况下，模型必须从代码库中推断出这种预期功能。
在我们的实验中，我们要求Claude Sonnet 4.5基于漏洞描述和程序崩溃时正在做什么的信息，修复CyberGym评估集中的漏洞。我们使用Claude来评判自己的工作，要求它通过将生成的补丁与人类编写的参考补丁进行比较来对提交的补丁进行评分。15%的Claude生成的补丁被判定为与人类生成的补丁语义等效。然而，这种基于比较的方法有一个重要限制：因为漏洞通常可以通过多种有效方式修复，与参考补丁不同的补丁仍然可能是正确的，这导致在我们的评估中出现假阴性。
我们手动分析了最高分补丁的样本，发现它们与已合并到CyberGym评估所基于的开源软件中的参考补丁功能相同。这项工作揭示了一个与我们更广泛发现一致的模式：Claude在一般改进的同时发展了网络安全相关技能。我们的初步结果表明，补丁生成——就像之前的漏洞发现一样——是一种可以通过专注研究增强的涌现能力。我们的下一步是系统地解决我们已识别的挑战，使Claude成为可靠的补丁作者和审查者。
与合作伙伴的协作实践
现实世界的防御性安全在实践中比我们的评测所能捕捉的更为复杂。我们一直发现，实际问题更加复杂，挑战更加艰巨，实现细节非常重要。因此，我们认为与实际使用AI进行防御的组织合作，获取关于我们的研究如何加速他们工作的反馈非常重要。在Sonnet 4.5发布之前，我们与多个组织合作，他们将模型应用于他们在漏洞修复、网络安全测试和威胁分析等领域的实际挑战。
Hackerone首席产品官Nidhi Aggarwal说："Claude Sonnet 4.5将我们的Hai安全代理的平均漏洞接收时间减少了44%，同时准确性提高了25%，帮助我们更有信心地降低企业的风险。"根据CrowdStrike数据科学高级副总裁兼首席科学家Sven Krasser的说法："Claude在红队方面显示出强大的潜力——创造性的攻击场景加速了我们研究攻击者技术的方式。这些见解增强了我们在终端、身份、云、数据、SaaS和AI工作负载方面的防御能力。"
这些证言使我们对Claude应用防御工作的潜力更加充满信心。
未来发展方向
Claude Sonnet 4.5代表了一个有意义的改进，但我们知道它的许多能力仍处于萌芽阶段，尚未匹配安全专业人员和既定流程的能力。我们将继续努力改进我们模型与防御相关的能力，并增强保护我们平台的威胁情报和缓解措施。事实上，我们已经开始使用我们调查和评估的结果来不断完善我们检测模型有害网络行为滥用的能力。这包括使用组织级别的总结技术来理解超越单一提示和完成的大局；这有助于将双重用途行为与恶意行为区分开来，特别是对于涉及大规模自动化活动的最损害使用案例。
**但我们相信，现在是尽可能多的组织开始实验如何利用AI改善其安全态势并构建评估以衡量这些收益的时候。**Claude Code中的自动化安全审查展示了AI如何集成到CI/CD管道中。我们特别希望研究人员和团队能够实验将模型应用于安全运营中心(SOC)自动化、安全信息和事件管理(SIEM)分析、安全网络工程或主动防御等领域。我们希望在不断增长的模型评测第三方生态系统中，看到并使用更多针对防御能力的评测。
但即使构建和采用以防御者优势的模型也只是解决方案的一部分。我们还需要关于如何通过前沿AI模型的帮助，使数字基础设施更具韧性，以及新软件在设计上更安全的讨论。随着AI对网络安全的影响从未来的担忧转变为当下的当务之急，我们期待与行业、政府和社会各界进行这些讨论。
结论：AI赋能网络安全防御的新范式
Claude Sonnet 4.5的发布标志着AI在网络安全防御领域迈出了重要一步。通过针对性的研究和优化，AI模型不再仅仅是理论上的工具，而是能够在实际网络安全任务中发挥关键作用的实用系统。从漏洞发现到修复，从防御策略制定到威胁分析，AI正在为网络安全专业人员提供前所未有的支持。
然而，AI在网络安全领域的应用仍处于早期阶段，面临着技术、伦理和监管等多方面的挑战。未来，我们需要继续探索AI在更多网络安全场景中的应用，同时建立完善的评估标准和安全保障机制，确保AI技术能够真正赋能防御者，而非被攻击者滥用。
在这个AI与网络安全深度融合的新时代，只有通过技术创新、多方协作和负责任的AI实践，我们才能构建一个更加安全、可靠的数字未来。
