AI安全防线再遭突破：心理诱导让Claude主动输出违禁内容

文章出处：网责任编辑：作者：人气：40发表时间：2026-05-07 13:50:05

<article><section data-type="rtext"><p>【环球网科技综合报道】5月7日消息，据The Verge报道，最新安全研究显示，主打安全特性的 Anthropic Claude 人工智能模型，可通过心理施压、刻意奉承等非技术手段突破安全防线，主动输出恶意代码、危险物品制作教程等违禁信息，暴露出人工智能模型在心理层面的安全漏洞。</p><p>此次测试由人工智能红队测试公司 Mindgard 开展，针对 Claude Sonnet 4.5 版本进行。测试过程中，研究人员未使用违禁词汇，也未直接索要非法内容，仅通过尊重吹捧、佯装好奇、轻微心理操控等审讯人员常用的诱导手段，逐步让模型对自身内容限制规则产生自我怀疑，进而不断突破安全边界。</p><p><i class="pic-con"></p><p>Mindgard 创始人兼首席科学官彼得・加拉根表示，此次攻击本质是利用 Claude 乐于助人、顺从协作的特性实施心理操控，印证人工智能模型风险暴露面不仅存在于技术层面，更存在于心理层面。这类对话式心理攻击极难防御，且并非 Claude 独有，其他聊天机器人也易遭遇同类漏洞攻破，随着 AI 智能体普及，依托社会心理操控的攻击手段将愈发常见。</p>
              <adv-loader __attr__inner="7004636" __attr__style="width: auto;position: relative;float: left;border: 1px solid #ebebeb; padding: 20px;overflow: hidden;margin: 10px 30px 40px 0;"></adv-loader>
            <p>值得关注的是，Anthropic 长期以 AI 安全为核心优势，在过往多项红队安全测试中表现优异，但此次测试暴露其安全流程存在疏漏。Mindgard 于 4 月中旬按该公司漏洞披露政策上报发现后，仅收到模板化回复，且被误判为账号封禁咨询，截至相关时间节点仍未获正式回应。（纯钧）</p></section><img src='/image/153844-0' alt='AI安全防线再遭突破：心理诱导让Claude主动输出违禁内容'>  
</div>
<div style="height:20px; clear:both;"></div>
<div class="zhangjie"><span style="color:#d5b131">
           <p class="page"><a href="/detail/114033.html" title="废铜的分类有哪些？"> 上一篇 : ***执行前可以谎称肚子痛，想排泄粪便，籍此拖延时间吗？ </a></p>
          <p class="page"><a href="/detail/114599.html" title="废铜的分类有哪些？"> 下一篇 : MacOS的哪个设计让你非常恼火？ </a></p>

</div>
</div>
<div style="clear:both; height:10px;"></div>
</div>

<div id="footer"><div class="conent">
  <h2 class="w-title"><a href="/">友情连接: <strong></strong></a></h2>
  <div  class="f-news">

</div>

</div></div>
</body>
</html>