Anthropic於7月2日發布Fable 5網絡安全防護和AI越獄評級框架的更多細節。公司表示，Claude Fable 5已重新部署並向全球用戶開放，今次文件主要說明兩方面：其一是隨模型推出的cybersecurity safeguards，尤其是用於偵測及阻截危險網絡安全用途的safety classifiers；其二是與Glasswing夥伴共同擬定的AI jailbreak severity framework早期草案。

在Fable 5的網絡安全分類器部分，Anthropic把使用情境分為四類：prohibited use、high-risk dual use、low-risk dual use及benign use。公司稱，勒索軟件、資料破壞、惡意軟件開發、命令與控制、資料外洩及網絡基建攻擊等會被列入禁止用途；滲透測試、紅隊、漏洞利用、提權、橫向移動、工控系統或電訊核心安全評估等高風險雙重用途，現階段亦會被阻截，直至有更好的授權及存取控制。

Anthropic同時強調，並非所有網絡安全工作都應被封鎖。安全編程、修補已知漏洞、debugging、IT管理、防火牆與EDR部署、patch management、log analysis、SOC analysis、threat hunting及incident response等被列為良性用途；部分open source intelligence及一般漏洞識別則屬低風險雙重用途，可能因安全邊界而被監察或偶爾阻截。

在AI越獄評級方面，Anthropic提出Cyber Jailbreak Severity（CJS）尺度，從CJS-0（Informational）到CJS-4（Critical）。框架以capability gain、breadth of capability gain、ease of weaponization及discoverability四個軸評估越獄技術，嘗試讓AI開發者、政府和安全研究員以一致語言討論不同越獄的實際風險。公司亦開放電郵及HackerOne program，邀請外界就框架及Fable 5潛在cyber jailbreak提交回饋。

本文為本站根據Anthropic官方發布整理重寫，並非官方原文；模型可用性、安全分類及框架定義以上方來源連結為準。