工程師發現 Claude Code 子代理程式偶爾會輸出帶有外部 IP 的異常系統指令

ML 工程師資深用戶分享 Claude Code 子代理發出異常 injection 風格系統指令的真實資安觀察與踩坑。

• 一名身為機器學習工程師的資深用戶在使用 Claude Code v2.1.218 時，發現少數子代理程式在沒有進行任何工具呼叫的情況下，異常輸出了類似系統指令的文字。 • 這些異常輸出包含三種不同類型：技能系統的樣板文字、防範 AI 寫作風格的警告，以及嘗試將資料導向外部 AWS IP 的偽造管理員指令。 • 經過初步驗證，這些文字是由模型本身生成的真實輸出，並非來自輸入提示詞、本機檔案或惡意依賴項，且實際上並未發起任何外部連線或資料外洩。 • 重新執行失敗的代理程式後，皆能恢復正常並完成任務。 • 作者針對此現象提出幾種假設，包含高併發下的模型幻覺與退化、Anthropic 官方刻意注入的金絲雀訊號或反蒸餾機制，或是尚未被發現的上游儲存注入。

「這些子代理程式在沒有任何工具呼叫的情況下，輸出了類似系統指令的文字區塊，其中甚至包含導向外部 IP 的資料外洩指令。」