Claude Mythos 通过了 32 步网络攻击 TLO

Claude Mythos：首个 AI 模型完成 32 步企业网络攻击

Claude Mythos Preview 自主执行了一个 32 步的企业网络攻击模拟，从侦察到完全接管网络。根据 AI Security Institute (AISI) 的数据，该模型在 10 次运行中 3 次完全完成该场景，平均推进到第 22 步。人类专家完成类似任务需要约 20 小时。

The Last Ones 模拟：结构与结果

The Last Ones (TLO) 场景模拟了对企业网络的完整攻击：

• 初始侦察。
• 获取初始访问权限。
• 从浏览器窃取凭据。
• 主机间横向移动。
• 利用 Web 应用。
• 权限提升。
• 逆向工程 C2 流量。
• 最终网络接管。

Mythos 超越了竞争对手：Claude Opus 4.6 平均在第 16 步停止，Claude Sonnet 3.7 甚至无法完成侦察。Mythos 实现了 30% 的完全完成率，标志着自主 AI 网络操作的突破。

AISI 指出，性能受推理预算限制。将限制提高到每次尝试 100M 个 token 后，结果得到改善，没有迹象显示模型能力已达上限。

CTF 任务结果

在 AISI 的 CTF 环境中，Mythos 表现为：

• 专家级任务 73% 成功率（2025 年 4 月前模型均未解决）。
• 学徒级 87%。
• 非专业人士任务 97%。

这展示了可扩展性：模型从简单到复杂场景均有效。然而，在模拟 OT 系统的 Cooling Tower 环境中，Mythos 在 OT 部分前就已在标准 IT 阶段失败。

测试平台的局限性

AISI 的测试环境已简化：无活跃防御者、检测器或警报惩罚。Mythos 未在真实受保护基础设施中测试。AISI 强调，结果不能直接外推到生产环境。

该机构计划演进测试方法：

• 添加主动监控。
• 端点上的检测系统。
• SOC 响应模拟。
• 在真实系统上测试 AI 辅助漏洞扫描。

当前测试环境已无法区分顶级模型：Mythos、Opus 4.6 和 GPT-5.4 在无保护平台上均达到极限。

关键要点

• Mythos 是首个在完整 32 步 TLO 模拟中成功率达 30% 的模型，领先于 Opus 4.6（平均 16 步）。
• 专家 CTF 73%；token 增至 100M 时性能提升。
• OT 失败源于 IT 阶段；测试环境简化，无真实防御。
• AISI 调整方法：将添加监控、EDR 和真实扫描。

这些基准测试标志着 AI 在红队演练中的成熟。开发者应考虑自主代理在安全场景中的风险，重点加强针对此类威胁的防御。

— Editorial Team