Varför Claude-läckan är en varnande berättelse

Av Amber Wolff, Innehållsansvarig

Företagssäkerhet framställs ofta som ett kapprustning mellan hotaktörer och cybersäkerhetspersonal. Men det är också ett kapplöpningslopp, mellan stora tekniska framsteg och de medel vi har för att försvara oss mot alla nya risker som dessa nya teknologier innebär.

Bill Conner, VD för Jitterbit, har under flera decennier lett arbetet med att säkra företagsnätverk över hela världen, och han har sett denna cykel upprepa sig flera gånger under sin karriär. En av hans främsta prioriteringar när han kom till Jitterbit var att se till att alla företagets lösningar byggdes med säkerhet i centrum, och att Jitterbit AI-innovationerna var säkrare, mer styrbara, transparenta och ansvarsfulla.

Men som vi har sett i efterdyningarna av veckans Claude-läcka, har många organisationer som tagit ett “implementera först och ställ frågor senare”-tillvägagångssätt för AI börjat vakna upp inför farorna med att behandla säkerhet som en eftertanke.

Conner anslöt sig nyligen till Jitterbits CTO Manoj Chaudhary och CMO Geoff Blaine för att diskutera läckan och de större frågor den väcker för företagsäkerhet. Du kan se hela jTalk-videon nedan:

Att förstå läckan av Claude källkod

Den 31 mars 2026 släppte Anthropic, utvecklaren av den populära Claude LLM, en uppdatering som av misstag inkluderade en Javascript-källkarta, en fil för internt bruk. Denna fil pekade på ett arkiv i företagets interna innehållshanteringssystem — och på grund av en felkonfiguration gjordes minst en halv miljon rader källkod, som tillhör den AI-drivna kodningsassistenten Claude Code, offentligt tillgänglig.

Partiet, som Wall Street Journal kallade “kommersiellt känslig information”, innehöll koden som kördes på Anthropic-utvecklarnas maskiner, vilken beskriver hur det agentbaserade kodningssystemet fungerar, inklusive verktyg och instruktioner för att få deras AI-modeller att agera som kodningsagenter.

Inom 24 timmar hade länken delats på X och visats nästan 30 miljoner gånger. Den speglades otaliga gånger på Github och andra ställen, och dök upp snabbare än Anthropic kunde utfärda DMCA-begäranden för att få dem nedtagna.

Med vetskapen om detta utfall började en utvecklare skriva om TypeScript-koden och skapade en liknande men distinkt version i programmeringsspråket Python i ett försök att undvika juridiska konsekvenser.

Det nya arkivet, kallat “claw-code”, blev det snabbast växande arkivet i GitHubs historia och överträffade enkelt Anthropic's ursprungliga Claude Code-arkiv. Och det kan stanna kvar, då det är oklart exakt vilka åtgärder Anthropic kan vidta.

Enligt Anthropics egna uttalanden är 90% från Claude Code genererat av AI – och AI-genererat material omfattas inte av samma skydd som material som skapats av människor. Dessutom har spegelsajter dykt upp över hela världen, på platser där det skulle vara mycket svårare att tillämpa en upphovsrättslagstiftning baserad på amerikansk rätt.

Vad detta innebär för företag

I 2026 Jitterbit Benchmarkrapport för AI-automation, fann vi att mer än hälften av respondenterna använde AI för kodning. För företag som levererar produktionskod skapad av AI är de immateriella rättsliga implikationerna här uppenbara.

Men säkerhetsimplikationerna är ännu mer oroande.

Även om det inte är ett resultat av ett säkerhetsintrång i sig, bidrar läckan redan indirekt till ett okänt antal intrång hos andra företag. Enligt ZScaler, “Hotaktörer kan, och gör redan, plantera trojaniserade versioner [av den läckta koden] med bakdörrar, dataskrapare eller kryptogrävare. Ovetande användare som klonar ‘officiellt utseende’ forkar omedelbar risk för kompromettering.”

Täckning från ThreatLabz antyder vidare att dessa skadliga förråd dyker upp på GitHub, och syns även i Googles sökresultat.

För att förvärra saken, skryter en omskriven version av Claude-koden med att den har tagit bort alla skyddsräcken och telemetri, vilket potentiellt gör det lättare att använda LLM för att skapa skadlig kod eller hitta sårbarheter.

Samtidigt som Anthropic snabbt förklarade att läckan berodde på mänskliga fel, väcker det fler frågor än det löser – nämligen om driftspraxis hos företag som Anthropic som helhet. Säkerhetsexperter påpekade snabbt att detta faktiskt var den andra dataläckan från Anthropic de senaste veckorna, och det kan tyda på större interna säkerhetsproblem inom företaget.

Anthropic byggdes på konstitutionell AI och extrem försiktighet — men som Jitterbots CTO Manoj Chaudhary påpekade: “Det snubblade på en källa-mappfil på 0,3 megabyte.” Chaudhary fortsatte med att säga att incidenten borde uppmana företag att se till att de breddar sitt säkerhetsfokus till den övergripande säkerheten, som driftssäkerhet, för att undvika ett liknande utfall.

Vikten av skiktad säkerhet och AI-ansvar

Chaudhary föreslår att en lager-på-lager-säkerhetsansats är avgörande för att undvika risker från incidenter som denna. Som han påpekade exponerade läckan en funktion som kunde vara kapabel till att kringgå vissa säkerhetsåtgärder – vilket kräver ett starkare säkerhetsramverk för att skydda känsliga data och upprätthålla operativ integritet nu när denna funktion kan hamna i händerna på illvilliga aktörer.

Conner höll med och sa att skiftet från enstaka pilotdistributioner till heltäckande agentbaserade operationer lyfter fram vikten av att spåra kod och algoritmer effektivt. Han rekommenderade nya styrningsramar som följer befintliga säkerhetsstandarder, såsom SOC-efterlevnad, och som tydligt definierar ansvarigheter och åtaganden relaterade till AI-system.

I takt med att AI-systemen utvecklas, sade Conner, behöver företag införa metoder som gör det möjligt för dem att effektivt övervaka och analysera AI-beteenden, förstå beslutsprocesserna hos AI-systemen och säkerställa transparens i hur data används. AI-system bör regelbundet bedömas för sårbarheter och för att säkerställa fortsatt efterlevnad.

Läckan av Claude-källkoden tjänar som en viktig påminnelse om de sårbarheter som finns i AI-system och vikten av att etablera förtroende och säkerhet i AI-applikationer. I takt med att företag fortsätter att navigera i komplexiteten kring AI-implementering blir prioritering av lagerindelad säkerhet, styrning och observerbarhet avgörande för att säkerställa ansvarsfulla AI-metoder.

Genom att anamma dessa strategier kan organisationer bygga en säkrare grund för sina AI-satsningar och undvika det ryktesmässiga och operativa fallet efter en händelse som denna.

Titta på videon