论文实测Claude Opus 4.6生成的恶意代码在模块边界处存在100%可检测的静态特征

该研究通过双智能体四阶段流水线，量化评估了商用模型Claude Opus 4.6作为自动化恶意软件生成器的多态能力。实验构建了包含文件遍历、加密、数据外泄及集成的数据外泄载荷，分别在功能提示和显式注入历史变体两种设置下生成代码。结果显示，虽然显式提示能破坏结构空间聚类，使部分机器学习分类器难以识别，但静态n-gram分析表明模型将模块间边界视为不可变，导致单一静态签名即可在所有生成样本中实现100%检测率。

成本与架构限制方面，每个验证通过的载荷操作成本为0.41至0.73美元，显示出极高的操作廉价性。同时，针对七个参数量在20M至1.5B之间的本地小语言模型（SLMs）的补充评估证实，当前开源权重架构缺乏可靠的多态合成所需的生成稳定性。这一发现基于对TEDs结构方差和嵌入语义方差的直接测量，而非假设。

事实层面，模型确实生成了结构多样的变体且单点静态签名有效；推断层面，这意味着依赖纯多态性进行对抗 evasion 的策略在当前模型架构下存在根本性缺陷；猜测层面，未来若需构建高隐蔽性载荷，可能需要结合非生成式混淆技术或针对特定模块边界的动态修补机制，但这超出了本文实证范围。