威胁情报称也门小组用 Claude Code 做导弹相关开发

真正值得讨论的不是"某个模型被坏人用了"——这几乎不可避免。值得讨论的是：一个面向软件开发者的智能体产品，其能力边界天然覆盖了控制、仿真、弹道计算、嵌入式固件这类通用工程任务，而这类任务的"军民两用"属性极强。同一套求解常微分方程、做数值优化、写串口通信驱动的能力，既可以用来做无人机飞控，也可以用来做火箭姿态控制。

换言之，滥用检测的难点不在识别"导弹"这个词，而在于大量合法的航天、机器人、游戏物理引擎、高校课题，与敏感应用在代码形态上高度同构。报告用"据评估极可能关联"这种情报语言，恰恰说明归因本身依赖行为模式、基础设施痕迹与开源情报交叉，而不是单条对话内容。

另一个层面的变化是门槛。过去这类工作需要一个懂控制理论、懂嵌入式、懂数值方法的团队；现在智能体可以把"我知道要做什么但写不出代码"和"能跑的东西"之间的鸿沟显著压窄。这不等于能力被凭空创造，但确实压缩了迭代周期。

输入侧。用户给出的是自然语言任务描述加上代码仓库、数据文件、论文片段、公式推导。攻击性用途通常不会以敏感词出现，而是被拆成"帮我实现一个卡尔曼滤波的姿态估计""把这段龙格-库塔积分改成变步长""写一个串口协议解析器"等中性子任务。检测信号因此必须来自任务序列的整体形状——比如同一会话内高频出现气动参数拟合、推力矢量控制、再入段热流估算的组合，而非任何单一关键词。

推理与执行侧。Claude Code 这类工具的典型循环是：读仓库上下文、规划改动、写文件、跑测试或脚本、读回错误、再改。关键在于它可以调用 shell、执行构建、安装依赖。这意味着一次被允许的会话，理论上可以完成从算法原型到可运行程序的闭环，中间产物（中间件、测试桩、仿真波形）会大量落在本地而非对话里，留给事后审计的文本痕迹反而很少。

输出与评测侧。输出是 diff、可执行脚本、仿真结果与解释文本。厂商侧能做的是分层评测：分类器看意图，行为看模式，账号看关联。但评测的固有困难是召回与误杀的取舍——把航天专业学生、无人机爱好者、控制课教师一起误伤，代价同样真实。报告本身即是这种评测产出的一个公开样本，其价值在于证明流程在运转，而不是证明拦截已经完备。