Fable 5 网络安全分类器分类体系：路由前每位 operator 必须了解的内容

当 AI gateway 将请求路由到 Fable 5 并收到拒绝响应时，工程团队真正需要回答的问题不是「这是越狱行为吗？」而是「哪个分类器桶触发了？我的 fallback 链下一步该怎么做？」Anthropic 于 7 月 2 日发布的完整网络安全分类器分类体系与 Cyber Jailbreak Severity（CJS）框架，终于给了 operator 一套精确回答这个问题的词汇。

发生了什么

Anthropic 在 anthropic.com/news/fable-safeguards-jailbreak-framework 发布了详细的技术文章，做了两件事：

1. 分类器分类体系披露。 Anthropic 首次明确说明哪类网络安全提示属于「禁止使用」（始终拦截）、「高风险双重用途」（现阶段拦截，直到有更好的访问控制）、「低风险双重用途」（通常放行，偶尔因安全边际拦截）或「良性使用」（监控放行）。

2. CJS 越狱严重性框架。 一套基于四个维度的评级体系——能力增益（Capability gain）、能力广度（Breadth）、武器化难度（Ease of weaponization）、可发现性（Discoverability）——输出从 CJS-0（信息级）到 CJS-4（严重级）的评级。该框架正在与 Glasswing 合作伙伴（包括 Amazon、Microsoft、Google）共同制定，HackerOne 漏洞奖励计划同步开放提交。

为何对 AI 工程团队至关重要

在此次发布之前，路由到 Fable 5 的 operator 面对的是一个黑盒：请求要么得到响应，要么被拒绝，没有任何文档化的分类体系解释原因。构建安全工具链的团队——漏洞扫描器、日志分析 pipeline、SOC 富化工作流、CI/CD 代码审计——面临无法预测的拒绝率，也无法系统地设计 fallback 逻辑。

四类分类体系改变了这一现状：

核心结论：良性使用覆盖了绝大多数合法安全工程场景——安全编码、调试、将代码迁移到更安全的语言、IT 与云管理、日志分析、SOC 富化、威胁狩猎、事件响应、恶意软件逆向工程。这些场景现在有了官方文档支撑，属于预期通过类型。如果你在这些工作负载上看到拒绝，说明你触碰到了安全边际，建议通过 Anthropic 的 HackerOne 计划提交反馈。

高风险双重用途是运营上最关键的边界。它明确包含：渗透测试、漏洞奖励（bug bounty）、漏洞利用开发、红队演练、高提升度漏洞挖掘。这些场景被拦截，直到「有更好的控制手段将访问限制在已知合法用户」。这句话告诉 operator：此类拦截不是永久性的，但它是策略管控的，而非可通过 prompt 调整的。目前没有任何 system prompt 配置能可靠地解除此拦截。

Fable 5 网络安全分类器 operator 路由角度分析

对于 operator，该分类体系有三个直接的路由策略含义：

1. 误报率预算校准。 Fable 5 的安全边际明确比此前模型更大。低风险双重用途工作负载——OSINT、公开漏洞扫描、SSL/TLS 测试——相比 Sonnet 5 或 Opus 4.8 会有更高的误报率。如果你的 SLA 要求这些工作负载的一致响应，你的 fallback 链应在收到 400 分类器拦截时自动路由到备选模型，而不是将拒绝直接暴露给用户。

2. 路由策略分层。 分类体系提供了足够的信号来预先分类请求类型：将已知良性工作负载（日志分析、代码审查、安全编码）直接路由到 Fable 5 并配置轻量 fallback；将已知高风险工作负载（渗透测试自动化、漏洞利用脚手架）从一开始就路由到没有网络安全分类器的模型。这可以避免在 Fable 5 上为必然拦截的请求消耗 token。

3. CJS 严重性作为路由健康信号。 随着 CJS 框架逐步成为行业标准，gateway operator 应预期 Anthropic 会根据上报的越狱情况收紧或放宽安全边际。一个公开的 CJS-4 发现很可能触发分类器更新，在新边界校准期间可能短暂提升误报率。在 Fable 5 的拒绝率上建立可观测性——将其作为路由健康指标与延迟、错误率并列跟踪——可以让你在用户感知前提前发现这些变化。

值得关注的动态

• hackerone.com/anthropic-cyber-jailbreak 上的 HackerOne 计划是报告合法安全场景误报的官方渠道。如果你运营受监管的安全业务且 Fable 5 持续拦截良性工作负载，通过此渠道提交是官方记录的改进路径。
• 高风险双重用途访问控制。 Anthropic「直到有更好的控制手段」的表述是一个明确信号：面向已验证安全团队的 operator 级访问授权在路线图上。关注 Anthropic 平台发布说明中的策略管控访问公告。
• CJS 框架标准化进展。 一旦该评级体系在 Amazon、Microsoft、Google 联合推动下成为行业标准，将影响所有 AI gateway 厂商对网络安全请求的分类与路由方式——不仅限于 Fable 5。

为安全相关工作负载路由 Fable 5 的团队，现在终于有了所需的分类器地图。下一步是建立拒绝率可观测性，在生产环境中识别你实际触碰的是哪个桶。