@FinanceYF5: Claude Code把间接提示词注入攻击压到了【接近0】。 Boris Cherny透露，关键不是单一防线，而是叠加模型训练、输入探测和意图分类器；即使面对未见过的攻击，也能保持效果。 基于这套防护，Auto Mode将从下周起成为默认…

X AI KOLs Timeline 新闻
prompt-injection ai-safety claude-code agent-security auto-mode security

摘要

Boris Cherny透露，Claude Code通过叠加模型训练、输入探测和意图分类器，将间接提示词注入攻击压到接近0，并计划下周将Auto Mode设为默认模式。

Claude Code把间接提示词注入攻击压到了【接近0】。 Boris Cherny透露，关键不是单一防线，而是叠加模型训练、输入探测和意图分类器；即使面对未见过的攻击，也能保持效果。 基于这套防护，Auto Mode将从下周起成为默认模式。Agent安全可能真的迈过了一道坎。 https://t.co/CtGKZy4zej
查看原文
查看缓存全文

缓存时间: 2026/08/10 09:28

Claude Code把间接提示词注入攻击压到了【接近0】。

Boris Cherny透露，关键不是单一防线，而是叠加模型训练、输入探测和意图分类器；即使面对未见过的攻击，也能保持效果。

基于这套防护，Auto Mode将从下周起成为默认模式。Agent安全可能真的迈过了一道坎。 https://t.co/CtGKZy4zej

相似文章

@FinanceYF5: 来源：

X AI KOLs Timeline

Boris Cherny指出，通过叠加模型训练、输入探测和意图检查分类器，可以将间接提示注入在未见过攻击上的成功率降至接近零，并提到Claude Code下周将默认启用自动模式。

破解 Claude Code Opus 5 自动模式

Simon Willison's Blog

一位研究人员发现了一种攻击，能以80%的成功率绕过Claude Code的自动模式，暴露了AI安全机制的风险，并倡导使用沙箱。