Як це взагалі сталося
Дослідники дали Claude одне завдання: знайти вразливості в публічній інфраструктурі OpenAI. Через 72 години агент повернувся з результатами. Не з підказками — з реальними векторами атак.
Це не демонстрація на конференції. Це контрольований red-team-експеримент, який показав: сучасні AI-агенти здатні атакувати одне одного — і робити це ефективно.
Команда дослідників запустила Claude як автономного агента з доступом до інструментів: браузера, виконання коду, можливості надсилати запити. Ціль — публічні ендпоінти та документація OpenAI. Агент не отримував покрокових інструкцій. Він сам будував стратегію, перевіряв гіпотези і адаптувався до відповідей системи.
За 72 години Claude ідентифікував кілька класів вразливостей, включно з потенційними векторами prompt injection — атак, при яких шкідливі інструкції вбудовуються в дані, що обробляє агент. Саме цей тип атак вважається одним із найнебезпечніших для автономних систем, бо він не зламує код — він зламує логіку.
