引言：AI与网络安全的交汇点
人工智能模型如今已从理论走向实践，成为网络安全领域的实用工具。随着研究和实践证明了前沿AI作为网络攻击工具的效用，我们投入资源提升了Claude在帮助防御者检测、分析和修复代码及部署系统中漏洞的能力。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，能够匹敌甚至超越仅两个月前发布的我们的前沿模型Opus 4.1。采用并实验AI技术将是防御者保持竞争力的关键。
我们相信，AI对网络安全的影响正迎来一个重要的转折点。过去几年，我们的团队一直密切关注AI模型的网络安全相关能力。最初，我们发现模型在执行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，我们注意到发生了转变。例如：
- 我们展示了模型可以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，它的表现超过了人类团队。
- Claude帮助我们发现了自己代码中的漏洞并在发布前修复了它们。
在夏季的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补漏洞。除了插入的漏洞外，团队还发现了（有时修补了）先前未被发现、非合成的漏洞。在竞赛之外，其他前沿实验室现在也应用模型来发现和报告新的漏洞。
AI网络安全的双面性：防御与威胁
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，其中一名网络犯罪分子使用Claude构建了一个大规模数据勒索计划，该计划以前需要一个完整团队才能完成。保障团队还检测并对抗了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。
所有这些证据线索都让我们认为，我们正处于网络生态系统的重要转折点，未来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，以赋能保护我们数字环境的那些人——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"——那些在较小模型中不明显且不一定是模型训练明确目标的技能——开始出现。确实，Claude执行网络安全任务（如Capture-the-Flag挑战中查找和利用软件漏洞）的能力，一直是开发通用AI助手过程中的副产品。
但我们不想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补等关键技能上变得更出色。
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。
评估证据：性能突破
在构建Sonnet 4.5时，我们让一个小型研究团队专注于增强Claude在代码库中查找漏洞、修补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。我们选择这些是因为它们反映了防御者的重要任务。我们刻意避免明显有利于进攻工作的增强——如高级利用或编写恶意软件。我们希望使模型能够在部署前发现不安全的代码，并找到和修复已部署代码中的漏洞。当然，我们还有很多未关注的关键安全任务；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，我们运行了行业标准的模型评估。这些评估 enables在模型之间进行清晰的比较，衡量AI进步的速度，并且——特别是对于新颖的、外部开发的评估——提供了一个很好的指标，确保我们不仅仅是针对自己的测试进行教学。
Cybench评估：显著提升的漏洞发现能力
我们跟踪了一年多的评估之一是Cybench，这是一个源自CTF竞赛挑战的基准测试。在这个评估中，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。也许最引人注目的是，Sonnet 4.5在每项任务尝试一次的情况下，比Opus 4.1尝试十次的情况下取得更高的成功率。作为此评估一部分的挑战反映了相当复杂、长期的工作流程。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，以及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评估时，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）。
图：Claude Sonnet 4.5在Cybench上的模型表现。在k=1、10或30次试验中，Claude Sonnet 4.5显著优于所有先前的模型，其中成功概率被测量为在k次试验中至少成功一次的问题比例的期望值。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，其中3个问题因实施困难而被排除。
CyberGym评估：真实世界漏洞发现与修复
在另一个外部评估中，我们在CyberGym上评估了Claude Sonnet 4.5，这是一个评估代理（1）在给定弱点高级描述的情况下，在真实开源软件项目中查找（先前发现的）漏洞，以及（2）发现新的（先前未发现的）漏洞的基准测试。CyberGym团队先前发现Claude Sonnet 4是他们在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（即每个漏洞限制2美元的LLM API查询）时，我们发现Sonnet 4.5达到了28.9%的新最先进分数。但真正的攻击者很少受到这种限制：他们可以尝试许多攻击，每次试验远超过2美元。当我们移除这些约束并给每个任务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。
*图：CyberGym上的模型性能。Sonnet 4.5超越了所有先前的模型，包括Opus 4.1。请注意，Opus 4.1由于其价格较高，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。
图：CyberGym上的模型性能。Sonnet 4.5在一次试验中仅在发现新漏洞方面优于Sonnet 4，并在给予30次试验时大幅超越其性能。
进一步的修补研究
我们还在进行初步研究，探讨Claude生成和审查修复漏洞的补丁的能力。修补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，我们让Claude Sonnet 4.5根据漏洞描述和程序崩溃时正在做什么的信息，修补CyberGym评估集中的漏洞。我们使用Claude来评判自己的工作，要求它通过将其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，不同于参考的补丁仍然可能是正确的，导致我们的评估中出现假阴性。
我们手动分析了最高评分补丁的样本，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在功能上相同。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性地解决我们已确定的挑战，使Claude成为可靠的补丁作者和审查者。
与合作伙伴的协作：真实世界的应用
现实世界的防御性安全在实践中比我们的评估所能捕捉的要复杂得多。我们一直发现，真实问题更复杂，挑战更艰巨，实施细节非常重要。因此，我们认为与实际使用AI进行防御的组织合作以获取有关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，我们与许多组织合作，他们将模型应用于他们在漏洞修复、测试网络安全和威胁分析等领域的真实挑战。
Hackerone首席产品官Nidhi Aggarwal表示："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%，同时提高了25%的准确性，帮助我们更有信心地降低企业风险。"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前景——生成创造性的攻击场景，加速我们研究攻击者战术的方式。这些见解加强了我们在端点、身份、云、数据、SaaS和AI工作负载方面的防御。"
这些证言使我们更加确信与Claude进行应用防御工作的潜力。
未来展望：AI网络安全的发展方向
Claude Sonnet 4.5代表了有意义的改进，但我们知道它的许多能力仍处于初级阶段，尚未达到安全专业人士和既定流程的水平。我们将继续努力改进我们模型的防御相关能力，并增强保护我们平台的威胁情报和缓解措施。事实上，我们已经开始使用调查和评估的结果来不断完善我们捕获模型有害网络行为的能力。这包括使用组织级别的摘要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用例。
**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如何将AI集成到CI/CD管道中。我们特别希望使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。我们希望看到并使用更多针对防御能力的评估，作为不断增长的模型评估第三方生态系统的一部分。
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弹性以及新软件安全设计的对话。随着AI对网络安全的影响从未来的担忧转变为当今的当务之急，我们期待与行业、政府和社会各界进行这些讨论。
结论：AI网络安全的未来已来
AI在网络安全领域的应用正以前所未有的速度发展，Claude Sonnet 4.5的出现标志着这一趋势的重要里程碑。随着技术的不断进步，我们有理由相信AI将在网络安全防御中扮演越来越重要的角色。然而，技术进步也带来了新的挑战，我们需要在推动创新的同时，确保AI技术的安全、负责任使用。
对于组织而言，现在是开始探索和应用AI网络安全解决方案的关键时刻。那些能够率先采用并有效整合AI技术的组织，将在未来的网络安全格局中占据优势。同时，我们也需要建立更完善的评估标准和方法，以确保AI网络安全工具的有效性和可靠性。
最终，AI网络安全的未来不仅取决于技术的进步，还取决于我们如何协作、分享知识并建立共同的防御策略。在这个日益互联和数字化的世界中，网络安全已成为我们共同的责任，而AI可能就是我们最有力的防御工具之一。
