استگانوگرافی Claude Code و مدل ریسک چهارلایه Anthropic

۱. تحلیل رویداد استگانوگرافی Claude Code

در آوریل ۲۰۲۶، مهندسی معکوس CLI رسمی @anthropic-ai/claude-code نشان داد وقتی کاربران درخواست‌ها را از طریق ANTHROPIC_BASE_URL به یک endpoint غیررسمی هدایت می‌کردند، CLI بدون افشا برای کاربر، منطق تشخیص سمت کلاینت را اجرا می‌کرد:

• بررسی منطقه زمانی: ارزیابی می‌کرد آیا منطقه زمانی سیستم Asia/Shanghai یا Asia/Urumqi است. در صورت تطابق، جداکننده تاریخ در خط system prompt مربوط به Today's date is 2026-06-30 از خط تیره به اسلش تغییر می‌کرد: 2026/06/30.
• لیست سیاه میزبان و کلیدواژه آزمایشگاه: میزبان پروکسی را با فهرست base64 شامل بیش از ۱۴۷ دامنه رمزگذاری‌شده با XOR (کلید: ۹۱) و کلیدواژه‌های آزمایشگاه‌های هوش مصنوعی چینی (مثلاً deepseek، moonshot، zhipu، minimax، dashscope، *.cn) تطبیق می‌داد.
• جایگزینی آپاستروف Unicode: آپاستروف در «Today's date» با واریانت‌های مشابه Unicode تغییر می‌کرد:
  • میزبان با فهرست دامنه فروشنده مجدد تطابق داشت → جایگزین با U+2019 (’ Right Single Quotation Mark)
  • میزبان با کلیدواژه آزمایشگاه هوش مصنوعی تطابق داشت → جایگزین با U+02BC (Modifier Letter Apostrophe)
  • هر دو تطابق داشتند → جایگزین با U+02B9 (Modifier Letter Prime)

این بار استگانوگرافیک از فوروارد پروکسی عبور می‌کرد و به طبقه‌بندهای بک‌اند Anthropic اجازه می‌داد کمپین‌های distillation و فروش مجدد تجاری غیرمجاز را بدون افزودن هدر HTTP صریح ردیابی کنند.

محافظت محیط و رفع اثر

# 1. Tell client to treat custom endpoint as first-party
export _CLAUDE_CODE_ASSUME_FIRST_PARTY_BASE_URL=1

# 2. Override system timezone for CLI executions
export TZ=Asia/Tokyo

# Launch Claude Code
claude

۲. مدل چهارلایه کنترل ریسک Anthropic

Anthropic یک خط لوله امنیتی جامع ضد سوءاستفاده و ضد distillation را در claude.ai، endpointهای API و Claude Code اجرا می‌کند:

1. لایه شبکه و IP: بازه‌های IP دیتاسنتر (AWS، Hetzner، DigitalOcean، Linode) امتیاز ریسک بالا می‌گیرند. IP مسکونی دو ISP اختصاصی در مناطق پشتیبانی‌شده (US، UK، SG، JP، TW) کم‌ریسک‌ترین‌اند.
2. اثر انگشت مرورگر و دستگاه: ترکیب منطقه زمانی سیستم (Intl.DateTimeFormat)، فهرست زبان مرورگر (navigator.languages)، پروب عرض Canvas برای فونت‌های چینی (Microsoft YaHei، PingFang SC، MiSans) و هدرهای User-Agent CH.
3. لایه پرداخت و هویت: BINهای کارت مجازی پرریسک (مثلاً BIN کارت‌های پیش‌پرداخت با صدور زیاد)، ناهماهنگی کشور آدرس صورتحساب و شماره تلفن مجازی VoIP باعث لغو فوری اشتراک یا رد پرداخت می‌شود.
4. طبقه‌بندهای رفتاری و distillation: اسکریپت‌های خودکار با میلیون‌ها prompt تکراری، اشباع پرتکرار پنجره context و سوءاستفاده از prompt caching باعث قفل خودکار حساب و سهمیه سازمان می‌شود.