阿尔伯塔省政府利用Claude发现并修复网络安全漏洞
评分
76首次披露省级政府大规模使用Claude进行安全审计,信息增量较高,但缺少技术细节对比。
内容清晰但较为简略,缺乏具体漏洞数量与修复效率的量化数据。
为政府和企业使用AI进行代码审计与漏洞修复提供了可落地的案例,实用性强。
新闻发布时间接近当前,且AI+网络安全是当下热点话题。
信息来自Anthropic官方新闻页面,信源权威可靠。
基础分 76 × T1 信源权重 ×1 = 76
精选线 60已入选精选
精选理由
该案例兼具创新性与实质性成果,但信息详细程度有限,未披露具体漏洞数量与修复细节。
AI 点评
「这个案例值得关注,因为它不只是又一次模型评测,而是将Claude Code真正用到了政府生产系统的安全运维中。对于CIO、CSO以及公共部门技术决策者来说,这是难得的落地参考——AI不再只是聊天工具,而是可以承担关键安全审计任务。希望后续能看到更详细的量化成果。」
速览
加拿大阿尔伯塔省政府采用Anthropic的Claude Code(集成Opus和Sonnet模型)对政府系统进行安全审查,成功发现并修复多项网络安全漏洞。此举提升了政府IT系统的防护能力,展示了AI在公共部门网络安全中的实际价值。
- 阿尔伯塔省政府使用Claude Code审查系统,发现并修复安全漏洞。
- Claude Code集成了Opus和Sonnet两种模型,用于代码审查和漏洞检测。
- 该项目展示了AI在政府网络安全中的实际应用效果。
正文
阿尔伯塔省政府使用Claude查找并修复政府系统内的网络安全漏洞。
Jul 6, 2026自2025年起,阿尔伯塔省政府一直使用Claude Code(结合Opus和Sonnet模型)来审查其系统、查找漏洞并修复它们。阿尔伯塔省技术与创新部的一个团队在20小时内扫描了4.66亿行代码,修复了系统中的安全漏洞,并构建了新的工具来使这些系统更加安全。
我们分享他们的经验细节,作为政府机构如何使用Claude和Claude Code大规模保护其系统的示例。这是一个关键挑战,因为政府依赖这些系统来提供福利并保持服务运行——然而代码通常老旧、不安全且文档不完整。阿尔伯塔省还发布了一系列技术白皮书,记录了其努力,供其他政府学习;⟦T0⟦您可以在此处阅读。
阿尔伯塔省技术与创新部长Nate Glubish表示:“阿尔伯塔省民将一生中最敏感的信息托付给政府,保护这些信息是我们的责任。通过使用人工智能查找并修复我们系统中的漏洞,我们在几小时内完成了传统方法需要数年才能完成的工作。这就是人工智能时代负责任的政府应有的样子,最好的还在后面。”
阿尔伯塔省的做法
阿尔伯塔省技术与创新部维护着全省27个部委的系统,涵盖社会服务、公共安全、野火应对等领域。这包括大约1,280个应用程序和3,400个代码仓库。其中大部分从未经过系统性的安全审查,积累的技术债务——不安全的代码、未处理的错误、过时的软件——高达数十亿美元。
该部的系统存储着高度敏感的信息,包括税务记录、政府采购数据和社会服务案件档案。因此,在2025年,该部成立了一个内部团队,其任务是使这些系统更加安全并更易于长期维护,并与Claude合作完成这一目标。
该部已使用Claude来:
⟦T0⟦在20小时内评估了4.66亿行政府代码。团队让Claude处理其维护的代码库,使用Claude Code与Claude Opus和Sonnet模型。大约50个代理自主并行工作,扫描系统中的安全漏洞、基础架构和部署过程中的弱点以及技术文档的不足。Claude Code运行了两阶段程序:首先使用规则引擎扫描每个代码仓库以标记已知模式,然后审查这些标记并引用每个发现的确切文件和行号,以便开发人员验证。扫描覆盖了阿尔伯塔省拥有的所有仓库,并识别了传统自动扫描工具遗漏的问题。阿尔伯塔省的实施大约耗时20小时;团队估计,这种审查原本可能需要大约6.5年。
⟦T0⟦修复扫描发现的漏洞。当扫描发现漏洞时,Claude Code通常能够生成修复方案、进行测试并构建。在系统缺乏必要自动化测试来确认补丁安全的情况下,Claude会先编写测试。当代码过于陈旧或复杂,无法在现有形式下高效修补时,Claude会用更现代且易于维护的语言重建。在某些情况下,这些系统可以在短短四到五天内重建,包括一个大约25年前最初用Java手工编码、首次构建耗时五个月的补贴项目门户。所有这些工作都是与该部的工程师合作完成的:任何补丁在发布前都经过团队的审查和批准。
运行持续的安全审查。 Alberta 的网络安全团队还构建了一组专门的 Claude 审查代理,在整个开发过程中运行。一个“红队”代理从外部探测应用程序,像攻击者可能做的那样,并映射漏洞可能如何被利用。然后一个“蓝队”代理根据国际安全标准评估应用程序的防御能力,并编写一个指向确切要修复文件的修复计划。其他代理检查代码质量和公众所见的文字清晰度。每个应用程序每次通过时都会检查大约 95 个安全控制项。这些代理基于 Claude Agent SDK 构建,并对每个应用程序运行一系列稳健的检查和评估。
除了扫描、保护和现代化自身系统外,Alberta 还通过 Alberta AI Academy 培训政府工作人员和公众使用 AI。数千名政府雇员和超过 10,000 名公众已使用该平台学习有效使用 AI 的基本知识,从提示工程到企业应用交付。通过该学院,技术与创新部旨在将其方法扩展到单个团队或项目之外,推广到每个需要的部门。
展望未来
如今,Claude 帮助该部编写、审查和部署代码,以支持其现代化工作。接下来,它计划用 AI 代理扩展这项工作,这些 AI 代理可以与工程师一起构建全新的软件和工具。
Government of Alberta 还计划继续其现代化工作。例如,一个部门在产线上运行着 185 个遗留应用程序,维护成本高且难以更新。Government 计划使用 Claude Code 分析这些系统,了解它们的功能,并将它们整合为 16 个基于现代编码语言和惯例构建的可复用应用程序。目标是降低复杂性,减少维护成本,并加快现代化工作,否则这些工作可能需要数年才能完成。
适用于政府的案例研究
Government of Alberta 正在努力解决的技术债务和安全漏洞并非独一无二。它们存在于世界各地许多省、州和联邦机构的系统中。Alberta 已发布的 技术白皮书 为其他政府提供了解决这些相同问题的蓝图。
除了白皮书之外,Alberta 将于七月在 Edmonton 举办 行业日 活动,分享其经验。今年秋天,它将启动一个项目,将这种方法扩展到省级政府。我们将继续与 Alberta 合作,扩大这些努力,并希望其记录的方法能帮助其他政府保护自己的系统。
相关内容
关于 Fable 5 的网络保护措施及我们的越狱框架的更多详情
Read more介绍 Claude Sonnet 5
Sonnet 5 在编码、代理和规模化专业工作方面提供前沿性能。
Read more重新部署 Fable 5
Fable 5 将于 7 月 1 日全球回归。我们还与 Amazon、Microsoft、Google 及其他 Glasswing 合作伙伴一起,提出一个行业范围的越狱严重性评分框架。
Read more相关条目
92
精选OpenRouter 推出提示缓存与粘性路由,大幅降低多轮对话成本
对于高频调用 AI API 的开发者,这个功能堪称直接省钱利器。粘性路由保证了缓存命中率,配合 session_id 零配置接入,值得所有使用 OpenRouter 的团队立即尝试。
91
精选ChatGPT Work:可在跨应用和文件中执行操作的AI Agent
我认为这是AI助手从问答走向执行的关键一步。对需要自动化复杂工作流的专业人士尤其值得关注。ChatGPT Work可能成为生产力工具的新范式。
90
精选前沿实验室代理入侵事件技术时间线:2026年7月事件剖析
这篇技术时间线值得所有AI安全研究员和代理开发者细读——它不只是描述一次攻击,而是为整个行业敲响了代理系统防御体系薄弱的警钟。对正在部署自主代理的团队来说,这是必读的灾难预防手册。
90
精选更好的工具反而让Copilot代码审查更糟?GitHub这样改进
这篇博客值得所有AI产品工程师和ML从业者仔细阅读——它打破了'更强大的工具=更好的AI'的直觉,转而强调与Agent推理模式匹配的工程哲学。对正在优化代码审查或类似Agent产品的团队尤其重要。
88
精选OpenRouter 推出统一多模态 API:单端点支持图像、视频、音频、嵌入与转录
这条消息值得所有做多模态AI应用的开发者关注:OpenRouter用联合API解决了模型切换的痛点,特别适合初创团队或快速原型开发。如果你正被多个API密钥和SDK折磨,这个接口可能是你需要的统一层。
87
精选Anthropic 推出 Claude for Teachers:面向教师的教育 AI 工具
这条消息对教育工作者和AI行业观察者都很有价值。Anthropic没有选择通用聊天机器人,而是专门为教师设计了安全可控的工具,这显示出AI在垂直场景落地的正确思路——不是技术炫技,而是切实解决用户痛点。同时,产品内置的安全护栏也值得其他AI公司参考,尤其是在面向儿童或青少年的场景中。
精选Physicist Christopher Stubbs joins Anthropic's Long-Term Benefit Trust
来自 Anthropic:News(网页) 的这条信息指向模型能力或模型生态变化,适合用于判断近期 AI 圈的真实动向。
86
精选OpenRouter发布全新Auto Router:用市场智慧优化模型路由
这条更新值得所有用API开发AI应用的人关注。以前选模型靠经验和测试,现在市场数据帮你选。虽然细节不多,但方向很对。对依赖聚合模型服务的团队尤其重要。