Anthropic、1ヶ月間に10,000件以上の重大脆弱性を発見と報告

「Claude Mythos」は確認されたAnthropicの公式製品ではないが、自律的にゼロデイを発見・検証・武器化する脅威は既に現実の断片として観測されている。Big Sleep、AIxCC、XBOW、GTG-1002などの実例から、攻撃ライフサイクルの圧縮・専門性のスケール化・自律オーケストレーションという3つの構造変化により、攻撃側が防御側との非対称性を一方的に拡大させている状況を分析。

正当なセッション中は引っかからず、作業の振り返り要約を試みた瞬間だけ Claude のセーフティフィルタが発火した事例から、AI 安全装置の仕組みを分析。散らばったセキュリティ関連キーワード（トークン、認証、設定ファイル等）が要約によって一箇所に濃縮されると、デュアルユース信号の密度が高まり、文脈の正当性とは関係なくパターンマッチングで引っかかることを指摘。

Claude の定額プランから Fable 5 が廃止されるにあたり、Fable と Opus 4.8 を個人開発の SaaS でベンチマークした結果、Fable は攻撃者視点で 120 件以上の脆弱性を自発的に指摘したが、その手順を audit スキルとして Opus に与えることで見つけたバグの数はほぼ同等になった。強いモデルで「型」を作り、定額モデルで実行する運用なら従量課金でもペイする。

Anthropic は Fable 5 のサイバー分類器がブロック/非ブロックする内容の詳細と、ジェイルブレイク攻撃の重要度を段階的に評価する初版フレームワークを公開。モデルの安全性境界と評価方法を透明化し、セキュリティ研究と実装改善の基礎を提供する。