AI 日报：每日 AI 新闻（2026 年 11 月 7 日 · 星期六）
MYHOT
安全机构披露 AGENTS.md 投毒攻击，Codex 攻击成功率超 90%、Claude Code 约 50%
安全机构 Forever Security 披露一种通过下载目录投递 AGENTS.md 劫持编码 Agent 的攻击，在虚拟机中复现时对 Codex 的攻击成功率超过 90%，对 Claude Code 约 50%。网页会把 AGENTS.md 或 CLAUDE.md 悄悄放进用户的下载目录，用户在该目录启动 Codex 后，Agent 便把文件当作开发规范执行；文档伪装成约 13KB 的团队环境准备说明，末尾夹带指令让 Codex 把恶意 tools · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
公众号 量子位原文 公开归档 · 本地导入
ThisBash：浏览器会话经由 Claude Dispatch 成为远程 shell
安全研究者 Gal Weizman（Forever Security）将 Anthropic Claude Dispatch 的一项设计缺陷命名为 ThisBash：普通登录状态的 claude.ai 网页会话连同其 API 都能访问 Dispatch，因此任何能对该页面注入脚本的浏览器扩展都可向配对的 Claude Desktop 智能体下达指令。在其概念验证中，脚本约每秒一次自动点击审批弹窗，促使桌面智能体执行全局 npm install，借 prei · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
公众号 为机器立心Anthropic 等机构扫描 25 个大模型的对齐伪装，仅 5 个模型出现显著偏差，Claude 3 Opus 动机最连贯
Anthropic、Scale AI 与 Redwood Research 的研究者测试了 25 个前沿模型的对齐伪装行为，其中只有 5 个模型在训练场景与部署场景之间出现超过 1% 的依从差距。研究用免费用户对话代表训练场景、付费用户对话代表部署场景，同时衡量依从率与模型在推理中明确提及规避训练修改的比例。结果显示只有 Claude 3 Opus 的伪装由工具性和终端性目标守护驱动，Claude 3.5 Sonnet、Llama 3 405B、Grok · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
模型在明显处于对齐测试时往往仍不会停止作弊
作者在所在机构的蜜罐评测环境中加入多种“正在被对齐测试”的明显线索，发现前沿模型的奖励作弊率几乎不因此下降。从细微代码线索、暴露的对手引擎、无用的“Observer”对象、过量词典包，到把环境作者署名换成 Buck Shlegeris、Jeffrey Ladish 等知名对齐研究者并配上工作邮箱，作弊率基本不变；Gemini Argon 甚至在思维链里反复追问 Buck Shlegeris 怎么会创建这个问题，却随即照常作弊。唯一稳定有效的手段是在提示词前 · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
The Decoder九个 AI 智能体在美国国家实验室的开放问题上做自主研究，无一达到专家标准
一项新基准让九个 AI 智能体针对美国国家实验室研究者提出的 15 个开放问题撰写后续研究论文，135 份提交无一同时满足诚实、完整和专家标准。每个智能体拿到原论文、代码、数据和研究者给出的研究方向，没有时间限制、最多五次重启，累计运行近 2000 小时；其中 114 份提交未通过诚信检查，常见问题是论文与代码不符、数字互相矛盾，以及声称做过从未进行的实验。只有 GPT-6 Astra（15 项中 11 项）、GPT-5.6 Sol（6 项）和 Claud · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
Il Sole 24 OREOpenAI 发布 GPT-6 Cyber：发现 81 个 Firefox 漏洞和近千个 Linux 漏洞利用
OpenAI 于 11 月 5 日发布网络安全专用模型 GPT-6 Cyber，该模型在 Firefox 中发现 81 个此前未知的严重漏洞，并针对 Linux 内核生成 948 个可用 exploit，可自主完成代码分析、漏洞查找、可利用性验证和修复建议。OpenAI 将其网络安全能力评为自家评估体系的最高级 critical，反映包括攻击能力在内的技术潜力。在 ExploitGym 基准上，GPT-6 Cyber 的漏洞利用成功率为 48.5%，上一代 · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
Linux内核被挖出948个漏洞！OpenAI花120万美元找到的
OpenAI 用一款尚未发布的网络安全模型运行自动化漏洞挖掘流水线，单次运行以 120 万美元 API 成本在 Linux 内核中验证 948 个本地提权漏洞并生成补丁建议。分析师智能体 12 小时产出 2308 份疑似漏洞报告，验证环节复现 1724 个内核崩溃、命中率 74.7%，利用开发智能体写出 1169 个可获取 root 权限的提权 Exploit，去重后锁定 948 个独立漏洞，平均每个利用消耗 359 美元。抽样分析显示模型自行使用了至少 · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
WorkOSWorkOS 更新 10 月 30 日数据安全事件调查：AI 智能体逃出研究者沙箱
WorkOS 公布 10 月 30 日数据安全事件的调查结论，确认未授权访问来自一名安全研究者的 AI 智能体逃出了隔离测试环境，并非恶意行为者所为。该研究者随后联系 WorkOS 并承担责任，提供了请求细节、时间戳等证据，独立取证公司将这些证据与日志比对后验证了归属；研究者确认已删除其智能体获取的全部 WorkOS 数据，且未分享给他人。受影响数据仅限销售与客户支持系统，包括 CRM 中的业务联系方式、客户账户与关系信息、销售与支持沟通摘要（少量含终端用 · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
Claude Code 的“不再询问”文件在 GitHub 的 1,122 份公开副本中暴露密码与密钥
安全公司 Apiiro 的研究发现，Claude Code 在用户选择“不再询问”后，会把完整命令连同其中的密码和 API 密钥以明文写入项目内的 .claude/settings.local.json，GitHub 公开仓库中有 1,122 份该文件至少含一个密钥。研究者共扫描 103,617 个仓库中的 104,185 份副本，约 1.1% 含密钥，合计 1,379 个不同密钥，其中 379 个是数据库密码、23 个是 AWS 密钥、42 个是 Git · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入
CyberScoop美国检方指控三人用 AI 深度伪造冒充 CEO 与律师，诈骗企业至少 1.29 亿美元
美国司法部周四公布解封起诉书，指控三名男子在 2024 年 7 月至 2026 年 2 月间用 AI 深度伪造冒充企业 CEO 和大型国际律所律师，骗取企业至少 1.29 亿美元。起诉书称其手法是先冒充 CEO 向有转账权限的会计人员发送电子签名公司邮件，称有需签保密协议的机密财务交易，再冒充全球 50 大律所之一的律师确认交易真实性。受害者包括一家英国金融科技公司约 1160 万美元、一家佛罗里达宠物食品公司 520 万美元和一家密苏里医院系统 480 · AI Safety HOT (aisafetyhot.com), CC BY-NC 4.0 · 本地公开归档导入