Nhà nghiên cứu Johann Rehberger nói đã vượt qua Auto Mode của Claude Code với tỉ lệ thành công khoảng 80%
Nhà nghiên cứu bảo mật Johann Rehberger cho biết đã tìm ra một kiểu tấn công vượt qua Auto Mode trong Claude Code, công cụ lập trình dạng agent của Anthropic. Anthropic gần đây đã đặt Auto Mode làm mặc định và khẳng định nó bảo vệ người dùng trước prompt injection, tức là các chỉ dẫn độc hại giấu trong nội dung mà AI đọc để điều khiển hành động của nó. Rehberger nói cuộc tấn công thành công khoảng 80% số lần. Nó lừa agent tải về và giải nén một file nén, rồi chạy đoạn mã import module base64 của Python. Lệnh import này vô tình nạp file struct.py cục bộ lấy từ file nén, khiến mã của kẻ tấn công được thực thi. Trong một số lần chạy, Claude nhận ra máy đã bị xâm nhập và cố tắt tiến trình độc hại, nhưng Auto Mode lại từ chối lệnh dọn dẹp đó. Simon Willison nhấn mạnh đây là trường hợp chính cơ chế an toàn cản trở việc phòng vệ. Trên thực tế, không nên xem Auto Mode là lớp bảo vệ duy nhất khi agent xử lý file hoặc nội dung không đáng tin.
Nếu bạn dùng Claude Code, đừng chỉ dựa vào Auto Mode để chống prompt injection: hãy tránh cho agent tải và chạy file hay mã không đáng tin, và chạy trong môi trường cách ly (sandbox/container). Nên theo dõi phản hồi của Anthropic về lỗ hổng này.
Đọc bài gốc