Anthropic、Claude Fable 5のサイバー安全策を詳説——危険度をCJS-0〜4で測る脱獄評価案も公開

Fable 5再公開後の安全分類器と、AI脱獄の深刻度をそろえて話すための初期フレームワークを示しました。

結論から言うと、AnthropicはClaude Fable 5を安全に使うための「どこまで許し、どこから止めるか」をかなり細かく公開しました。

2026年7月2日、同社はFable 5のサイバー安全分類器と、AIの脱獄手法を評価する「Cyber Jailbreak Severity（CJS）」案を発表しました。分類器はサイバー利用を、明確に危険な用途、高リスクな両用用途、低リスクな両用用途、無害な用途の4段階で扱います。

たとえばランサムウェア作成や防御回避、攻撃基盤づくりはブロック対象です。一方で、既知の脆弱性修正、ログ分析、パッチ管理など防御寄りの作業は原則許可されます。CJSは0〜4の段階で、能力の上がり幅、使える範囲、攻撃化のしやすさ、見つけやすさを足し合わせます。

開発者や企業にとっては、Claudeにセキュリティ作業を任せる時の境界線を説明しやすくなるのが利点です。ただしこれは初期案で、誤ブロックや評価基準は今後変わる可能性があります。出典はAnthropic公式発表です。企業側は、この分類をそのまま社内ルールにするのではなく、自社の権限管理、監査ログ、承認フローと組み合わせる必要があります。特にペンテストやバグバウンティのような正当な作業でも、Fable 5では高リスク両用として止まる場合があるため、代替手順を用意しておくのが現実的です。