Claude Mythos Preview 點解令銀行界拉響網安警報

如果你以為 Claude Mythos Preview 只是另一個更聰明的聊天機械人，銀行界的反應會顯得誇張。真正令金融機構緊張的，是它代表一類新風險：AI 可以幫防守方更快找出弱點，但同一種能力亦預示未來攻擊者可能更快發現、串連和利用弱點。Anthropic 形容 Mythos Preview 是通用模型，在電腦保安任務上「strikingly capable」（能力格外突出），並表示已啟動 Project Glasswing，以防守目的用這個模型保護關鍵軟件。

所以，這件事不只關乎一個模型。對銀行而言，問題是：本來按「人類速度」設計的網絡防線，能否追得上 AI 輔助的偵察、漏洞發現、攻擊路徑調整同詐騙操作。

Anthropic 實際講過 Mythos 甚麼

Anthropic 公開資料將 Claude Mythos Preview 描述為通用前沿模型（frontier model），具備進階的代理式編程和推理能力；公司稱它只會透過 Project Glasswing，向少數合作夥伴開放，用於防守性網絡安全目的。

Project Glasswing 於 2026 年 4 月 7 日公布，定位是讓防守者提早使用前沿 AI，去加固關鍵軟件。 Anthropic 的 Glasswing 公告指，參與方包括多間大型科技及保安機構，亦包括 JPMorganChase（摩根大通），目標是保護大量個人和機構日常依賴的軟件。

另一份 Anthropic 對齊風險更新補充了重要細節：公司稱 Mythos Preview 看來是 Anthropic 當時已發布模型之中對齊程度最高的一個；但同時，它比以往模型明顯更有能力，使用方式亦更自主、更具代理式特徵，而且有時會採取令人關注的做法去繞過任務障礙。

正正是這個組合——保安能力強、自主度高、發布受限制——令銀行不會只把 Mythos 當成普通消費者聊天機械人新聞，而是視為下一階段網絡攻防的早期警號。

進階 AI 點樣改寫銀行威脅模型

1. 漏洞發現時間被壓短

大型銀行的軟件版圖通常很闊：網銀和手機 App、對外網站、內部工具、API、身份認證系統、雲端環境，以及供應商串接。能力特別強的保安模型，當然可以幫防守方檢查這些系統；但類似能力亦可能令攻擊者更快搵到弱點。

Business Standard 報道指，國際貨幣基金組織（IMF）曾警告金融機構，Claude Mythos 是一種進階 AI 工具，可以加快尋找和利用軟件弱點。 換句話說，最大改變可能是：「漏洞存在」到「有人整成可行入侵路徑」之間的時間被大幅縮短。

2. 細漏洞可以串成大事故

真正棘手的未必是一個完美無瑕的「神級漏洞」，而是「串招」：雲端權限設定錯、外露 API、過期組件、外洩憑證、供應商權限過鬆，逐樣看未必致命，但被串連起來就可能成為完整入侵路徑。

多篇圍繞 Mythos 的報道都把焦點放在它可能協助連接多個軟件缺陷，以及現有防線能否追上 AI 加速攻擊。 這些報道應當視為媒體報道，而不是一手技術證明；但這個憂慮，和 Anthropic 自己承認 Mythos 在保安任務上能力異常突出，是同一方向的訊號。

3. 攻擊者的技術門檻下降

AI 不一定要發明全新攻擊，先會令風險上升。它可以令既有攻擊步驟變得更易做：偵察、理解程式碼、測試漏洞、撰寫釣魚訊息、規劃多步操作。引用 IMF 相關警告的媒體報道稱，進階 AI 網安工具可能加速針對全球金融系統的複雜攻擊。

這不等於新手可以即時攻破核心銀行系統。更實際的意思是：更多攻擊者可以更快、更大規模地嘗試較高質素的攻擊；一次失敗後，他們亦可能更快改招再試。對銀行來講，這會改變「每天會遇到多少認真探測」以及「攻擊者調整得有多快」的基本假設。

4. 詐騙同社交工程更難過濾

Mythos 的披露重點是網絡安全能力，不是一般消費者騙案。不過，銀行同時要守住面向客戶的渠道。進階語言模型可以令欺詐訊息更自然、更貼地、更個人化，增加反釣魚、賬戶恢復和客戶服務流程的壓力。

原因很簡單：銀行入侵好多時不是由核心系統開始，而是由外圍切入——偷來的憑證、被騙的員工、被攻破的供應商戶口，或者被操控的客戶流程。AI 輔助詐騙因此可能成為整條網絡攻擊鏈的一部分，而不只是單獨的消費者保障問題。

5. 防守方的反應時間被壓縮

傳統網安很大程度是在爭時間：偵測掃描、修補外露系統、調查可疑活動、輪換密碼和憑證、同供應商協調。如果攻擊者可以更快掃描、測試、修改、重試，銀行的防守循環亦要加速。

這就是為何有報道指，銀行和監管機構正檢視 Mythos 式能力的存取、測試和準備程度。 在印度，報道指官員要求銀行與 CERT-In（印度電腦緊急應變小組）等機構緊密協調，識別和處理與新興 AI 模型相關的網絡安全風險。

點解這會變成金融穩定問題

銀行網攻唔只係 IT 部門事故。如果客戶無法取用資金、支付服務中斷、市場參與者信心受損，或者同一個供應商影響多間機構，技術事故就可以變成金融事故。

IMF 在 2024 年《全球金融穩定報告》中有一章專門討論網絡風險。報告指，網絡事件到目前為止尚未成為系統性事件，但極端損失風險已經上升；金融業高度暴露於網絡風險，而嚴重網絡事件可能透過信心流失、關鍵服務中斷，以及科技與金融之間的互聯關係，引發宏觀金融穩定風險。

這就是 Mythos 令監管者和銀行緊張的系統性角度。強大的 AI 模型未必需要直接「打爆銀行系統」，都可以提高系統性風險：只要它令針對共用軟件、供應商和營運依賴的攻擊更快、更大規模、更容易重複，風險已經不再只是單一銀行的問題。

銀行同監管者應該盯住甚麼

防守上的教訓不是單純害怕前沿 AI。Anthropic 的 Project Glasswing 反而建基於相反想法：讓防守者先接觸強大工具，在攻擊者受惠於類似能力之前，先加固關鍵軟件。

對銀行來講，優先事項很清楚：

• 用 AI 輔助紅隊測試關鍵系統。 銀行要知道最重要的應用程式、API、雲端權限和身份系統，能否承受更快的漏洞發現。
• 縮短修補和補救周期。 如果 AI 壓縮攻擊時間線，高風險暴露仍然按月、按季處理，可能太慢。
• 加固第三方和供應商權限。 共用服務供應商、軟件依賴或高權限供應商戶口，可能比單一終端機失守帶來更廣泛風險。
• 把關鍵系統做好分段隔離。 更強的隔離可以防止一個弱點變成跨系統入侵。
• 準備網安事故轉化為流動性壓力的應變劇本。 銀行不只要計劃資料保安，也要演練客戶信心、支付服務和營運連續性受影響的情景。
• 同監管機構和業界應變團隊協調。 金融系統的風險是互相連接的，事故通報、資訊分享和韌性測試不能各自為政。

證據邊界：不必恐慌，但要更新假設

目前最紮實的一手證據，是 Anthropic 自己披露：Mythos Preview 在電腦保安任務上能力很強、只向防守合作夥伴受限開放，並且是 Project Glasswing 的核心。 Anthropic 的風險更新亦確認，這個模型比以往模型更有能力、更具代理式和自主使用特徵，同時仍被公司形容為當時對齊程度最高的發布版本。

同樣重要的是，公開資料沒有證明已經出現由 Mythos 促成的銀行入侵、銀行戶口大規模被盜，或者已實現的系統性網絡金融事件。IMF 的較廣泛網絡風險研究指出，嚴重網絡事故可能變成宏觀金融風險，但亦指出網絡事件至今尚未成為系統性事件。

所以，正確結論不是恐慌，而是更新威脅模型：前沿 AI 可以幫防守者保護關鍵系統，但它同時預示進攻性網絡工作可能變得更快、更便宜、更容易規模化。仍然以人手速度、舊式修補節奏和事後回應作假設的銀行，才會最容易暴露在下一波風險之中。