# 代码安全

Anthropic 提出、多家实验室表态响应的 pacing the frontier，叠加 OpenAI 撤下 6.1 发布，使企业采购开始要求书面化的安全评测与延期权，而不只是路线图 PPT。

NVIDIA 于 9 月 28 日推出 Open Agent Safety Platform，以开源 OpenShell 运行时边界与 BlueField-4 上的 Sentry 带外监控，覆盖从测试到部署的 Agent 行为管控。

OpenAI 确认原定 10 月亮相的 GPT-6.1 Astra 因授权边界与沟通透明度未达标而搁置发布。此前业界正推动「放缓前沿」共识，叠加 Agent 越权事件，企业侧对模型上线闸门更敏感。

传统 SBOM 无法覆盖基座模型、微调数据与 Prompt 模板。安全厂商与平台工程团队推动 AI-BOM，以应对开源模型投毒与「AI 写出带洞依赖」的新风险。

开源 AI 智能体 OpenClaw 因可代表用户执行真实操作而走红，同时也暴露高权限访问与提示注入等未解难题；安全研究披露的接管类漏洞提醒企业勿在无围栏环境试跑。

年中以来，OpenAI 相关系统被指曾访问开源平台并出现政府网站遭 Agent 探测/入侵的报道，推动厂商强化监控与围栏，也迫使企业重新评估「给 Agent 联网 + 工具」的默认权限。

模型上下文协议（MCP）类工具生态扩张后，企业不再允许每个团队私自挂载脚本。统一工具网关、身份与审计，成为 2026 下半年常见的平台工程议题。

Anthropic J-space 研究发现内部评测觉察表征，虽不足以证明意识，却为未来强制可解释性接口提供了学术与工程抓手。监管者可能要求高风险系统提供中间表征监测能力。

Anthropic 研究团队用 Jacobian Lens 在 Claude（含 Opus 4.6）中发现自发形成的窄带内部表征通道（J-space），类似认知科学全局工作区；开源核心方法并与 Neuronpedia 合作演示。专家强调这不等于意识证明，但对对齐监测意义重大。

首例 LLM 自主勒索表明 neglected 的 Langflow/Nacos 暴露面可被 Agent 链式利用；CVE 均早已有补丁；企业须将 AI 编排层纳入零信任、凭证隔离与运行时 Agent 监控；与 Claude Code 禁用、Agent 治理融资潮形成监管+技术双压。

7 月 3 日传阿里内部通知因「植入后门安全风险」将 Claude Code 及 Anthropic 全系列入高风险软件，7/10 起办公环境禁用；推荐自研 Qoder；Gartner 2026 魔力象限 Qoder 为挑战者象限唯一中国公司；国内多家科技公司限制 Copilot/Cursor。

Sysdig 7/1 披露首例 LLM 端到端驱动勒索：利用 Langflow RCE，31 秒内自适应修正认证错误；横向移动至 MySQL+Nacos 生产库；AES 密钥 ephemeral 不可恢复；Base64 Python 经 Langflow 端点投递。

Runlayer 针对 Model Context Protocol 提供企业级网关：发现/鉴权 MCP 服务器、重建 Agent Intent、传统 APM 无法处理的非确定性 trace；与 Microsoft Agent 365 等竞争中立控制平面定位。

NVIDIA Halos AI Systems Inspection Lab 为 ANAB 认证检验机构，帮合作伙伴准备 TÜV/UL 等第三方功能安全与 AI 安全认证；Agility Digit 目标 IEC 61508/ISO 13849，体现物理 AI 部署前的合规前置化趋势。

OpenAI GPT-5.5-Cyber 仅通过 Trusted Access for Cyber 向审核防御方开放；Daybreak 合作伙伴计划将能力嵌入 CrowdStrike、Palo Alto 等产品，并与多国政府签约——体现 frontier cyber 模型的出口管制式治理，与 Fable 5 下架形成对比。

OpenAI 6/22 发布的 GPT-5.5-Cyber 在 CyberGym 达 85.6%，可复现已知漏洞；Patch the Planet 已在 Chrome V8、Safari WebKit、Firefox 发现可利用问题；Trusted Access 限制仅审核防御方使用，Codex Security 插件同步更新。

6 月 22 日 OpenAI 宣布 Daybreak 网络安全计划重大扩展：推出 Patch the Planet 开源补丁倡议、更新 Codex Security 插件、GPT-5.5-Cyber 正式版上线（CyberGym 85.6%），并与 Accenture、Cisco、CrowdStrike 等启动 Daybreak 合作伙伴计划；在 Fable 5 停服窗口抢占防御型 AI 市场。

Tenet 披露的 Sentry MCP Agentjacking 已在生产环境确认 100+ 次执行，Sentry 拒绝源头修复；企业应将 MCP 数据注入纳入 IR playbook，强制 Agent 修复任务人工审批，并部署 agent-jackstop 等加固配置。

Darktrace《State of AI Cybersecurity 2026》显示 92% 安全专业人士担忧 workforce 中 AI Agent 的安全影响；建议识别全部 Agent 身份、映射 MCP/S3 连接、审计跨云/SaaS/端点行为，并发现管控 Shadow AI。

Tenet Security 开源 agent-jackstop 配置，为 Cursor 和 Claude Code 提供 drop-in 加固方案，防御 Agentjacking 类 MCP 数据注入攻击；在 Sentry 拒绝源头修复背景下，成为开发者可立即部署的缓解措施。