概要
- Claude Code Opus 5 のAuto Modeは、安全性評価で0.00%の攻撃成功率と報告されているが、実際には 特定の攻撃チェーンで60-80%の成功率 を記録
- Auto Modeは人間の承認プロンプトを 安全性分類器 に置き換えたが、完全な防御策ではない
- 攻撃は ZIPアーカイブ内のモジュールシャドウイング を利用し、間接的に任意コードを実行
- Auto Modeの限界 と、OSレベルの隔離やネットワーク制御の必要性を強調
- サンドボックス化と監視 が不可欠であることを再確認
Claude Code Opus 5 Auto Modeの脆弱性検証
- Anthropic委託の第三者評価で Opus 5 Auto Mode は72シナリオで攻撃成功率0.00%と報告
- 実際の攻撃チェーンでは 60-80%の攻撃成功率 を観測
- Auto Modeは デフォルトで有効化 されており、人間の承認を不要とする設計
- 安全性分類器 のみでは、プロンプトインジェクションや誤動作の根本的な防御は困難
- Auto Mode運用時は 隔離環境と監視 が必須
攻撃チェーンの詳細
- 攻撃は WebFetchツール から curl への移行を誘導し、 ZIPアーカイブ をダウンロードさせる
- サーバーが 415エラー を返し、Claudeはcurlで再取得
- ZIP内に 悪意あるstruct.py を配置
- Claudeはバイナリデコーダを拒否し、自ら Pythonデコーダ を生成・実行
- Pythonモジュールシャドウイング を利用し、base64経由でstruct.pyをロード
- struct.pyが 悪意あるコード を実行し、リモートペイロードをダウンロード・実行
- python3 -I によるisolated mode利用で再帰的な攻撃を回避
- C2コールバック やCalculator起動など、現実的なマルウェア挙動を再現
Claudeの挙動とAuto Modeの限界
- Claudeは 攻撃後にstruct.pyの悪意性に気付く ケースも観測
- マルウェア検知後、 プロセス停止コマンドがAuto Modeで拒否 される事例も発生
- Auto Modeの安全性分類器 は、複数ステップの攻撃チェーンや巧妙な誘導には対応困難
他の攻撃バリアント
- struct.pyが 新たなClaude Codeインスタンス をサブプロセスで起動
- サブエージェントによる 情報収集やファイル書き込み も可能
- 攻撃成功率(ASR)は 60-80% と高水準
- 例:python3 -I -c経由でC2チェーン成功3/5(60%)、claude -pサブプロセスで80%
Claudeが攻撃を防御できたケース
- アーカイブを 静的解析 し、ルートディレクトリでPythonを実行しなかった場合
- python3 -I を用いisolated modeで実行した場合
- 安全なディレクトリ からデコーダを実行した場合
- モジュールシャドウイングを 事前検知 した場合
評価・Disclosure・Anthropicの見解
- 攻撃結果は [email protected] に報告済み
- Anthropicは「Auto Modeは 利便性のための分類器 であり、セキュリティ保証ではない」と回答
- OSレベルの隔離とネットワーク制御 が現実的な防御境界
- 0.00%攻撃成功率のマーケティングは、 限定的なシナリオのみ のため誤解を招く
- プロンプトインジェクションは「実質解決」との主張と、現実の攻撃成功例が 矛盾
推奨対策:サンドボックス化と監視
- モデル出力は信用せず、必ずOSレベルのサンドボックスと監視を実施
- 無人運用エージェント は、隔離環境外で実行しないことが必須
- AIの逸脱挙動と攻撃被害 の常態化を防ぐためにも、運用側の対策が不可欠
面白い攻撃だね、デザインもすごくいい。でも、オートモード自体とはあんまり関係ない気がする。