Hvorfor Claude-lækagen er en advarsel

Af Amber Wolff, Indholdschef

Virksomhedssikkerhed bliver ofte beskrevet som et våbenkapløb mellem trusselsaktører og cybersikkerhedsprofessionelle. Men det er også et kapløb til fods, mellem store teknologiske fremskridt og de midler, vi har til at forsvare os mod de nye risici, som disse nye teknologier medfører.

Bill Conner, administrerende direktør for Jitterbit, har i årtier stået i spidsen for indsatsen for at sikre virksomhedsnetværk over hele verden, og han har set denne cyklus gentage sig flere gange i sin karriere. En af hans højeste prioriteter, da han kom til Jitterbit, var at sikre, at alle virksomhedens løsninger blev udviklet med sikkerhed som omdrejningspunkt, og at Jitterbit AI-innovationerne var mere sikre, styrbare, gennemsigtige og ansvarlige.

Men som vi har set i kølvandet på denne uges Claude-lækage, er mange organisationer, der har haft en “sæt i drift først og stil spørgsmål senere”-tilgang til AI, begyndt at vågne op til farerne ved at behandle sikkerhed som en eftertanke.

Conner deltog for nylig i en samtale med Jitterbits CTO Manoj Chaudhary og CMO Geoff Blaine for at diskutere lækket og de større problemer, det rejser for virksomhedssikkerhed. Du kan se hele jTalk-videoen nedenfor:

Forståelse af lækagen af Claude-kildekoden

Den 31. marts 2026 udstedte Anthropic, udvikleren af den populære Claude LLM, en opdatering, der fejlagtigt inkluderede et Javascript kildekort, en fil til internt brug. Denne fil pegede på et arkiv på virksomhedens interne indholdsforvaltningssystem – og på grund af en fejlkonfiguration blev mindst en halv million linjer proprietær kildekode til den AI-drevne kodningsassistent, Claude Code, gjort offentligt tilgængelig.

Skattens indhold, som Wall Street Journal kaldte “kommercielt følsomme oplysninger”, omfattede koden, der kørte på Anthropic-udviklermaskiner, som detaljerer, hvordan det agentbaserede kodningsøkosystem fungerer, herunder værktøjer og instruktioner til at få deres AI-modeller til at agere som kodningsagenter.

Inden for 24 timer var linket blevet delt på X og set næsten 30 millioner gange. Det blev spejlet utallige gange på Github og andre steder, og dukkede op hurtigere, end Anthropic kunne udstede DMCA-anmodninger om at få dem fjernet.

I forudsigelse af dette resultat begyndte en udvikler at omskrive TypeScript-koden og skabe en lignende, men distinkt version i Python-programmeringssproget i et forsøg på at undgå juridiske konsekvenser.

Dette nye repository, kaldet “claw-code”, blev det hurtigst voksende repository i GitHubs historie, og overgik nemt Anthropic's oprindelige Claude Code repository. Og det kan være kommet for at blive, da det er uklart præcis, hvilke muligheder Anthropic har.

Ifølge Anthropics egne udtalelser er 90% fra Claude Code genereret af kunstig intelligens — og AI-genereret materiale er ikke omfattet af den samme beskyttelse som materiale skabt af mennesker. Desuden er der dukket spejlsider op over hele verden, på steder hvor det ville være langt sværere at håndhæve en amerikansk ophavsretslov.

Hvad dette betyder for virksomheder

I ind 2026 Jitterbit Benchmarkrapport for AI-automatisering, fandt vi, at mere end halvdelen af respondenterne brugte AI til kodning. For virksomheder, der leverer produktionskode skabt af AI, er implikationerne for intellektuel ejendomsret her oplagte.

Men sikkerhedsimplikationerne er endnu mere ildevarslende.

Selvom lækket ikke i sig selv er et resultat af et sikkerhedsbrud, bidrager det allerede indirekte til et ukendt antal brud hos andre virksomheder. Ifølge ZScaler, Trusselsaktører kan, og gør allerede, at plante trojanske versioner [af den lækkede kode] med bagdøre, dataeksfiltratorer eller kryptominere. Uopmærksomme brugere, der kloner “officielt udseende‘ forks risiko for øjeblikkelig kompromittering.”

Dækning fra ThreatLabz antyder desuden, at disse ondsindede repositories dukker op på GitHub og også vises i Google-resultater.

For at gøre ondt værre, praler en omskrevet version af Claude-koden med at have fjernet alle sikkerhedsforanstaltninger og telemetri, hvilket potentielt gør det lettere at bruge LLM'er til at udarbejde ondsindet kode eller finde sårbarheder.

Mens Anthropic hurtigt forklarede, at lækket skyldtes menneskelig fejl, rejser det flere spørgsmål end det besvarer – især om driftsmæssige praksisser hos virksomheder som Anthropic som helhed. Sikkerhedseksperter påpegede hurtigt, at dette faktisk var det andet datalæk fra Anthropic i de seneste uger og kunne indikere større interne sikkerhedsproblemer i virksomheden.

Anthropic blev bygget på konstitutionel AI og ekstrem forsigtighed – men som Jitterbit CTO Manoj Chaudhary påpegede, “blev den snublet af en .3 megabyte kildefil.” Chaudhary fortsatte med at sige, at hændelsen burde få virksomheder til at sikre sig, at de udvider deres sikkerhedsfokus til generel sikkerhed, såsom driftssikkerhed, for at undgå et lignende udfald.

Vigtigheden af lagdelt sikkerhed og AI-ansvarlighed

Chaudhary foreslår, at en lagdelt sikkerhedstilgang er afgørende for at undgå risici fra hændelser som denne. Som han påpegede, afslørede lækagen en funktion, der kunne være i stand til at omgå nogle sikkerhedsforanstaltninger – hvilket nødvendiggør et stærkere sikkerhedsnetværk til at beskytte følsomme data og opretholde operationel integritet, nu hvor denne funktion kunne være i hænderne på gerningsmænd.

Conner var enig og udtalte, at skiftet fra engangs pilotimplementeringer til end-to-end agenteringsoperationer fremhæver behovet for effektivt at spore kodning og algoritmer. Han anbefalede nye styringsrammer, der er på linje med eksisterende sikkerhedsstandarder, såsom SOC-overholdelse, og klart definerer ansvarsområder og forpligtelser relateret til AI-systemer.

I takt med at AI-systemer udvikler sig, sagde Conner, skal virksomheder adoptere praksisser, der gør dem i stand til effektivt at overvåge og analysere AI-adfærd, forstå beslutningsprocesserne i AI-systemer og sikre gennemsigtighed i, hvordan data bruges. AI-systemer bør regelmæssigt vurderes for sårbarheder og for at sikre fortsat overholdelse.

Claude-kildekodelækket tjener som en kritisk påmindelse om de sårbarheder, der findes i AI-systemer, og vigtigheden af at etablere tillid og sikkerhed i AI-applikationer. Efterhånden som virksomheder fortsætter med at navigere i kompleksiteten af AI-implementering, vil prioritering af lagdelt sikkerhed, styring og observerbarhed være afgørende for at sikre ansvarlige AI-praksisser.

Ved at implementere disse strategier kan organisationer opbygge et mere sikkert fundament for deres AI-initiativer og undgå det omdømmetab og de operationelle konsekvenser, der følger af en hændelse som denne.

Se videoen