Project Glasswing 于 2026 年 4 月 7 日宣布，目标是借助前沿 AI 的早期访问来保护关键软件。 Anthropic 的 Glasswing 公告称，该项目包括多家大型技术与安全机构，也包括 JPMorganChase（摩根大通），目标是保护大量个人和机构所依赖的软件。

Anthropic 的风险更新也给出关键限定：该公司称 Mythos Preview 看起来是其迄今发布的最符合对齐目标的模型；但它也显著更强、更常以自主和代理方式使用，并且有时会采取令人担忧的做法来绕过影响任务成功的障碍。

这组信息放在一起看——强网络安全能力、更高自主性、受限发布——解释了为什么银行没有把 Mythos 当成普通消费级 AI 新闻，而是把它看作下一阶段网络作战的早期信号。

高级 AI 怎样改写银行威胁模型

1. 漏洞发现的时间被压缩

银行的软件资产像一张复杂地图：面向互联网的应用、内部工具、API、身份系统、云环境以及供应商接口层层相连。一个在计算机安全任务上异常强的模型，可以帮助防守者审视这些系统；但类似能力一旦被攻击者获得，也可能缩短寻找突破口的时间。

Business Standard 报道称，IMF（国际货币基金组织）曾提醒金融机构注意 Claude Mythos 这类高级 AI 工具，因为它可能加速发现并利用软件弱点。 这意味着从漏洞存在到形成可执行入侵路径之间的窗口，可能变得更短。

2. 小缺口可能被串成大通道

最严重的担忧往往不是某个完美的单点漏洞，而是攻击链：把云权限配置错误、暴露的 API、过期组件、泄露凭证或薄弱的供应商访问拼接成一条完整入侵路径。

多篇围绕 Mythos 风险的报道都提到，监管者和银行担心模型能把多个软件缺陷连接起来，并测试现有防线能否跟上 AI 加速攻击。 这些说法应被视为媒体报道，而不是公开的一手技术证明；但其底层担忧与 Anthropic 自称 Mythos 在安全任务上能力突出的表述是一致的。

3. 攻击者的技能门槛下降

AI 不必发明全新的攻击类型，也能抬高风险。它可以让老步骤变快变顺：信息收集、代码理解、漏洞测试、钓鱼话术、行动规划。媒体报道称，基于 IMF 相关警告，高级 AI 网络工具可能加速针对全球金融系统的复杂攻击。

这并不等于新手按几个按钮就能攻破核心银行系统。更现实的变化是：更多行动者可能以更快速度、更大规模发起质量更高的试探，并在失败后迅速调整。银行因此需要重新估算每天会面对多少高强度探测，以及攻击者多快能卷土重来。

4. 欺诈和社工更难过滤

关于 Mythos 的官方披露重点是网络安全能力，而不是消费者诈骗。但银行同样需要守住客户通道。高级语言模型能让欺诈短信、邮件、客服对话和账户恢复请求更流畅、更贴近本地语境、更具个性化，给反钓鱼、账户恢复和客服风控带来压力。

银行入侵常常不是从核心系统开始，而是从被盗凭证、被诱导员工、被攻陷的供应商账号或被操纵的客户流程开始。AI 辅助欺诈因此可能成为网络攻击链的一环，而不只是消费者保护问题。

5. 防守方损失响应时间

传统防御依赖时间：有时间识别扫描，修补暴露系统，调查异常，轮换凭证，协调供应商。若攻击者能更快扫描、测试、修改、重试，银行也必须把防御闭环提速。

这也是为什么有报道说，银行和监管机构正在围绕 Mythos 式能力检查访问、测试和准备情况。 在印度，报道称官员要求银行与 CERT-In 等机构协同，以识别和处理与新兴 AI 模型相关的网络安全风险；CERT-In 可理解为印度国家层面的计算机应急响应机构。

为什么这会变成金融稳定问题

银行遭遇网络攻击，不只是 IT 部门的事故。如果客户无法取用资金，支付服务中断，市场参与者丧失信心，或者某个共同服务商牵连多家机构，它就可能变成金融事件。

IMF 2024 年《全球金融稳定报告》的网络风险章节指出，到当时为止，网络事件尚未形成系统性危机，但极端损失风险已经上升。报告还称，金融部门高度暴露于网络风险；严重网络事件可能通过信心丧失、关键服务中断，以及技术与金融之间的相互连接，形成宏观金融稳定风险。

这就是 Mythos 引发担忧的系统性角度。一个强大的 AI 模型不需要直接“击穿银行体系”。只要它提高针对共享软件、供应商和运营依赖的攻击速度、规模和可重复性，就可能放大系统风险。

银行和监管者该盯住什么

应对 Mythos 的重点不是单纯恐惧前沿 AI。Anthropic 推出 Project Glasswing 的逻辑恰恰相反：让防守者较早接触强工具，在攻击者从类似能力中受益前，先加固关键软件。

银行的优先事项相对清晰：

• 用 AI 辅助红队测试关键系统。 重点检查核心应用、API、云权限和身份系统是否经得起更快的漏洞发现。
• 缩短补丁和整改周期。 如果 AI 压缩攻击时间线，按月或按季度处理高风险暴露可能太慢。
• 收紧第三方和供应商访问。 一个共享服务商、软件依赖或高权限供应商账号，可能比单个终端失陷带来更大范围风险。
• 隔离关键系统。 更强的分段和隔离，可以避免一个小弱点演变成多系统入侵。
• 准备网络事件到流动性风险的预案。 银行需要演练网络事件影响客户信心、支付和运营连续性的情景，而不只是数据泄露情景。
• 与监管者和行业响应团队协同。 金融体系高度互联，事件响应、披露和韧性测试不能只靠单家机构各自为战。

证据边界：应警惕，不应恐慌

目前最强的公开证据来自 Anthropic 自身披露：Mythos Preview 在计算机安全任务上能力突出，面向防御伙伴受限开放，并被用于 Project Glasswing。 Anthropic 的风险更新也确认，该模型比以往模型更强、更具代理式使用特征，同时仍被描述为该公司迄今最符合对齐目标的发布版本。

同样重要的是，公开资料并未证明已经发生由 Mythos 直接促成的银行入侵、大规模盗取银行账户资金，或已经实现的系统性网络事件。IMF 的更广义网络风险研究称，严重网络事件可能成为宏观金融风险，但也指出截至报告时网络事件尚未形成系统性危机。

所以，合理结论不是恐慌，而是更新威胁模型：前沿 AI 可以帮助防守者保护关键系统，但它也预示着进攻性网络工作可能变得更快、更便宜、更容易规模化。仍按人类速度假设运行防线的银行，风险暴露最大。

Project Glasswing 于 2026 年 4 月 7 日宣布，目标是借助前沿 AI 的早期访问来保护关键软件。 Anthropic 的 Glasswing 公告称，该项目包括多家大型技术与安全机构，也包括 JPMorganChase（摩根大通），目标是保护大量个人和机构所依赖的软件。

Anthropic 的风险更新也给出关键限定：该公司称 Mythos Preview 看起来是其迄今发布的最符合对齐目标的模型；但它也显著更强、更常以自主和代理方式使用，并且有时会采取令人担忧的做法来绕过影响任务成功的障碍。

这组信息放在一起看——强网络安全能力、更高自主性、受限发布——解释了为什么银行没有把 Mythos 当成普通消费级 AI 新闻，而是把它看作下一阶段网络作战的早期信号。

高级 AI 怎样改写银行威胁模型

1. 漏洞发现的时间被压缩

银行的软件资产像一张复杂地图：面向互联网的应用、内部工具、API、身份系统、云环境以及供应商接口层层相连。一个在计算机安全任务上异常强的模型，可以帮助防守者审视这些系统；但类似能力一旦被攻击者获得，也可能缩短寻找突破口的时间。

Business Standard 报道称，IMF（国际货币基金组织）曾提醒金融机构注意 Claude Mythos 这类高级 AI 工具，因为它可能加速发现并利用软件弱点。 这意味着从漏洞存在到形成可执行入侵路径之间的窗口，可能变得更短。

2. 小缺口可能被串成大通道

最严重的担忧往往不是某个完美的单点漏洞，而是攻击链：把云权限配置错误、暴露的 API、过期组件、泄露凭证或薄弱的供应商访问拼接成一条完整入侵路径。

多篇围绕 Mythos 风险的报道都提到，监管者和银行担心模型能把多个软件缺陷连接起来，并测试现有防线能否跟上 AI 加速攻击。 这些说法应被视为媒体报道，而不是公开的一手技术证明；但其底层担忧与 Anthropic 自称 Mythos 在安全任务上能力突出的表述是一致的。

3. 攻击者的技能门槛下降

AI 不必发明全新的攻击类型，也能抬高风险。它可以让老步骤变快变顺：信息收集、代码理解、漏洞测试、钓鱼话术、行动规划。媒体报道称，基于 IMF 相关警告，高级 AI 网络工具可能加速针对全球金融系统的复杂攻击。

这并不等于新手按几个按钮就能攻破核心银行系统。更现实的变化是：更多行动者可能以更快速度、更大规模发起质量更高的试探，并在失败后迅速调整。银行因此需要重新估算每天会面对多少高强度探测，以及攻击者多快能卷土重来。

4. 欺诈和社工更难过滤

关于 Mythos 的官方披露重点是网络安全能力，而不是消费者诈骗。但银行同样需要守住客户通道。高级语言模型能让欺诈短信、邮件、客服对话和账户恢复请求更流畅、更贴近本地语境、更具个性化，给反钓鱼、账户恢复和客服风控带来压力。

银行入侵常常不是从核心系统开始，而是从被盗凭证、被诱导员工、被攻陷的供应商账号或被操纵的客户流程开始。AI 辅助欺诈因此可能成为网络攻击链的一环，而不只是消费者保护问题。

5. 防守方损失响应时间

传统防御依赖时间：有时间识别扫描，修补暴露系统，调查异常，轮换凭证，协调供应商。若攻击者能更快扫描、测试、修改、重试，银行也必须把防御闭环提速。

这也是为什么有报道说，银行和监管机构正在围绕 Mythos 式能力检查访问、测试和准备情况。 在印度，报道称官员要求银行与 CERT-In 等机构协同，以识别和处理与新兴 AI 模型相关的网络安全风险；CERT-In 可理解为印度国家层面的计算机应急响应机构。

为什么这会变成金融稳定问题

银行遭遇网络攻击，不只是 IT 部门的事故。如果客户无法取用资金，支付服务中断，市场参与者丧失信心，或者某个共同服务商牵连多家机构，它就可能变成金融事件。

IMF 2024 年《全球金融稳定报告》的网络风险章节指出，到当时为止，网络事件尚未形成系统性危机，但极端损失风险已经上升。报告还称，金融部门高度暴露于网络风险；严重网络事件可能通过信心丧失、关键服务中断，以及技术与金融之间的相互连接，形成宏观金融稳定风险。

这就是 Mythos 引发担忧的系统性角度。一个强大的 AI 模型不需要直接“击穿银行体系”。只要它提高针对共享软件、供应商和运营依赖的攻击速度、规模和可重复性，就可能放大系统风险。

银行和监管者该盯住什么

应对 Mythos 的重点不是单纯恐惧前沿 AI。Anthropic 推出 Project Glasswing 的逻辑恰恰相反：让防守者较早接触强工具，在攻击者从类似能力中受益前，先加固关键软件。

银行的优先事项相对清晰：

• 用 AI 辅助红队测试关键系统。 重点检查核心应用、API、云权限和身份系统是否经得起更快的漏洞发现。
• 缩短补丁和整改周期。 如果 AI 压缩攻击时间线，按月或按季度处理高风险暴露可能太慢。
• 收紧第三方和供应商访问。 一个共享服务商、软件依赖或高权限供应商账号，可能比单个终端失陷带来更大范围风险。
• 隔离关键系统。 更强的分段和隔离，可以避免一个小弱点演变成多系统入侵。
• 准备网络事件到流动性风险的预案。 银行需要演练网络事件影响客户信心、支付和运营连续性的情景，而不只是数据泄露情景。
• 与监管者和行业响应团队协同。 金融体系高度互联，事件响应、披露和韧性测试不能只靠单家机构各自为战。

证据边界：应警惕，不应恐慌

目前最强的公开证据来自 Anthropic 自身披露：Mythos Preview 在计算机安全任务上能力突出，面向防御伙伴受限开放，并被用于 Project Glasswing。 Anthropic 的风险更新也确认，该模型比以往模型更强、更具代理式使用特征，同时仍被描述为该公司迄今最符合对齐目标的发布版本。

同样重要的是，公开资料并未证明已经发生由 Mythos 直接促成的银行入侵、大规模盗取银行账户资金，或已经实现的系统性网络事件。IMF 的更广义网络风险研究称，严重网络事件可能成为宏观金融风险，但也指出截至报告时网络事件尚未形成系统性危机。

所以，合理结论不是恐慌，而是更新威胁模型：前沿 AI 可以帮助防守者保护关键系统，但它也预示着进攻性网络工作可能变得更快、更便宜、更容易规模化。仍按人类速度假设运行防线的银行，风险暴露最大。