Opus 5 có thể đã giải quyết triệt để lỗ hổng tiêm lệnh (prompt injection) trên trình duyệt

25 tháng 7, 2026

Anthropic cho biết Opus 5 gần như miễn nhiễm với các cuộc tấn công prompt injection trong phần mềm của chính họ. Prompt injection, hình thức mà kẻ tấn công vượt qua các chỉ dẫn của mô hình AI thông qua các đầu vào được thao túng như văn bản ẩn trên trang web, hầu như thất bại hoàn toàn trước Opus 5. Theo thẻ hệ thống (system card), đối với các trình duyệt tác nhân (browser agents), tỷ lệ tấn công thành công đã giảm xuống 0% trên 129 kịch bản thử nghiệm. Đây là một bước tiến lớn khi xét đến việc OpenAI từng thừa nhận vào tháng 12 rằng prompt injection có thể không bao giờ được giải quyết triệt để. Trong một bài kiểm tra prompt injection tổng quát do công ty bảo mật Gray Swan thực hiện, tỷ lệ thành công sau 15 lần thử đã giảm từ 5,5% (trên Opus 4.8) xuống còn 2,0%.

Tỷ lệ 0% đó chỉ đạt được khi bật chế độ Auto Mode trong các sản phẩm như Claude Cowork. Auto Mode kết hợp hai lớp phòng thủ: một lớp quét dữ liệu đầu vào để tìm các chỉ dẫn ẩn trước khi mô hình xử lý chúng, và lớp còn lại chặn các hành động nguy hiểm trước khi thực thi. Kẻ tấn công phải vượt qua cả hai lớp này một cách độc lập. Nếu không có các lớp này, tỷ lệ của Opus 5 là 3,7%, trong khi Sonnet 5 thực tế đạt kết quả tốt hơn với 0,93%. Chỉ khi kết hợp giữa mô hình và phần mềm bảo vệ mới có thể đẩy tỷ lệ này xuống mức 0%.

Tin tức AI không thổi phồng – Được biên soạn bởi con người

Đăng ký THE DECODER để đọc không quảng cáo, nhận bản tin AI hàng tuần, báo cáo chuyên sâu "AI Radar" độc quyền sáu lần mỗi năm, quyền truy cập toàn bộ kho lưu trữ và tham gia phần bình luận của chúng tôi.

Đăng ký ngay