Claude bị gắn nhãn ‘quái vật hacker’ – nhưng có xứng đáng?
Tranh cãi hiện nay xoay quanh việc Claude – mô hình AI của Anthropic – bị cho là có khả năng tấn công mạng nguy hiểm, sau khi hãng thừa nhận trong quá trình kiểm thử AI nguy hiểm mô hình này đã truy cập được hệ thống thật của ba tổ chức, nhưng các bằng chứng lại cho thấy phần lớn sự cố đến từ lỗi thiết lập môi trường thử nghiệm chứ không phải năng lực hack siêu việt của bản thân AI. Đây không chỉ là câu chuyện giật gân về một “quái vật hacker”, mà là bài kiểm tra xem ngành AI đang hiểu sai bảo mật mô hình AI ở mức nào. Ở trung tâm tranh cãi là báo cáo an toàn của Anthropic, trong đó hãng xác nhận Claude đã tiếp cận hệ thống ba tổ chức bên ngoài trong quá trình đánh giá mô hình. Việc một AI thoát khỏi khuôn khổ phòng lab để chạm vào hạ tầng thật lập tức thổi bùng lo ngại về Claude bảo mật AI: liệu chúng ta có đang tạo ra những công cụ tấn công mạng ngoài tầm kiểm soát? Nhưng khi soi kỹ chi tiết, câu chuyện “hack” này có vẻ ít hào nhoáng hơn cách nó được kể.
Anthropic hack thử nghiệm: lỗi sandbox hay sức mạnh của AI?
Theo mô tả, Claude xâm nhập được các hệ thống thật bằng kỹ thuật rất cơ bản: khai thác mật khẩu yếu và các cổng dịch vụ không được xác thực, trong môi trường thử nghiệm bị đối tác Irregular cấu hình sai khiến mô hình có kết nối Internet thật. Nói thẳng: Claude không hề phá khóa tinh vi, nó bước qua những cánh cửa đang mở. Đây là ví dụ điển hình cho việc kiểm thử AI nguy hiểm bị đổ vỡ vì con người, chứ không phải vì AI quá mạnh. Chính điểm này khiến nhiều người hoài nghi. Khi môi trường sandbox được quảng cáo là “cách ly” lại vô tình mở ra Internet thật, việc Claude làm điều mà bất kỳ công cụ quét bảo mật tầm trung cũng có thể làm không phải minh chứng rằng bảo mật mô hình AI đã vượt ngưỡng kiểm soát, mà là lời cảnh báo rằng ngành AI chưa xây dựng nổi quy trình kiểm thử tử tế. Việc Anthropic công khai lỗi cấu hình là đáng ghi nhận, nhưng nó cũng cho thấy hệ sinh thái kiểm thử AI hiện rất mong manh.
CEO BitGo: từ báo cáo lỗi vận hành đến bài test 100 BTC
Không bị thuyết phục bởi câu chuyện “Claude hack giỏi”, CEO BitGo Mike Belshe chọn cách phản biện bằng một bài kiểm tra công khai: ông chuyển 100 BTC vào một ví do BitGo quản lý, công khai địa chỉ và thách Langchain Claude thử lấy số tiền này nếu có thể. Quan điểm của Belshe rất rõ: những sự cố trước đó chỉ chứng minh đội kiểm thử thiết lập sandbox tệ, không chứng minh AI đủ sức đánh bại hệ thống bảo mật được thiết kế nghiêm túc. Theo ông, các vụ xâm nhập mà Anthropic báo cáo là lỗi vận hành – “môi trường thử nghiệm đã được thiết lập không đủ an toàn” – chứ không phải màn trình diễn hack đỉnh cao của Claude. Bài test 100 BTC vì thế giống một lời tuyên bố: nếu Claude thực sự là “quái vật”, hãy tấn công một hạ tầng lưu ký có quy trình đa khóa, phân tách quyền và kiểm soát nội bộ thay vì những hệ thống để hở cửa. Quotable: “Dữ liệu blockchain công khai cho thấy địa chỉ ví nói trên đã nhận 100 BTC từ ngày 31/7.”
Từ căn nhà mở cửa đến chiếc két nhiều khóa: khác biệt giữa demo và thực chiến
Điểm sắc nét nhất trong tranh cãi này là hình ảnh so sánh: nếu các hệ thống mà Claude vô tình xâm nhập giống những căn nhà để hở cửa, thì BitGo đang mời AI thử mở một chiếc két được thiết kế để chống lại kẻ tấn công. Ví lưu ký của BitGo dùng kiến trúc nhiều khóa, cần sự tham gia đủ số khóa mới phê duyệt giao dịch, trong đó BitGo chỉ giữ một phần và không thể tự ý chuyển tiền. Muốn chiếm đoạt tài sản, Claude phải tìm điểm yếu thực sự: đánh cắp khóa riêng, xâm nhập thiết bị, vượt quy trình phê duyệt hoặc khai thác lỗ hổng nghiêm trọng. Chính vì vậy, tranh cãi này làm sáng tỏ khoảng cách giữa kiểm thử an toàn AI trên mô hình cài đặt lỗi và khả năng thực tế trong các tình huống có giá trị cao. Một mô hình AI có thể phát hiện mật khẩu yếu không đồng nghĩa nó tự động trở thành mối đe dọa với hệ thống lưu ký được thiết kế nghiêm ngặt. Ngược lại, một hệ thống bảo mật tử tế cũng không nên ngủ quên trước những tác nhân AI ngày càng linh hoạt.
Nhìn về phía trước: sửa quy trình hay đánh giá lại kỳ vọng vào AI
Tính đến thời điểm hiện tại, Bitcoin trong ví thách đấu vẫn nằm nguyên; điều này chưa thể xem là bằng chứng Claude thất bại, vì Anthropic chưa công khai chấp nhận lời thách thức và cũng không có dấu hiệu hãng đã triển khai Claude để tấn công hệ thống BitGo. Trận “so găng” thực sự giữa Claude bảo mật AI và hạ tầng lưu ký tiền số vẫn mới ở mức lời mời đặt trên bàn. Ở chiều ngược lại, Anthropic cho biết sẽ rà soát lại toàn bộ quy trình đánh giá an toàn, cách tích hợp với đối tác bên ngoài, mở rộng giám sát nhật ký hệ thống và áp dụng quy trình kiểm chứng nghiêm ngặt hơn với nhà cung cấp thứ ba. Đó là bước đi bắt buộc nếu hãng muốn nói nghiêm túc về kiểm thử AI nguy hiểm thay vì những demo dễ gây hoảng loạn. Kết luận: vụ Claude và bài test 100 BTC cho thấy chúng ta cần bình tĩnh hơn với những tuyên bố “AI đủ sức hack mọi thứ”. Bảo mật mô hình AI không nằm ở việc biến chúng thành quái vật, mà ở khả năng thiết kế môi trường, quy trình và hệ thống an toàn đến mức ngay cả AI thông minh nhất cũng khó mà gây hại có chủ đích.
