Anthropic发布防蒸馏攻击新方法
先了解这件事
Anthropic 发布博客，介绍其针对 Claude 模型的防蒸馏攻击新方法。Anthropic 称，早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%，误报率低于 0.1%；保留推理过程（preserved thinking）的做法已要求部分开发者更新其集成方式。 据 The Decoder 报道，Anthropic 称这些防御手段削减的是被提取的推理 token（模型内部思维链步骤）数量，攻击者使用数十万个虚假账号实施工业规模蒸馏。Anthropic 点名智谱和 Moonshot 参与，称智谱为 GLM-5.3 窃取美国领先模型的网络能力，Moonshot 通过 Claude 秘密转发查询。 AI 研究员 Nathan Lambert 对此评论称，Anthropic 在采取这些措施前曾为寻求监管帮助大造声势，希望现在能重新开启对话；他还质疑 Anthropic 强调从自家有漏洞的 API 学习有害行为的安全风险，认为如果 API 不安全就不应托管它。
AI 根据报道生成 · 21 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- Nathan LambertAnthropic 谈蒸馏攻击防御
我觉得很奇怪，Anthropic 在做这件事之前，为了寻求监管帮助造了那么大的声势。希望现在能重新开启对话。 更奇怪的是，他们还强调从自家有漏洞的 API 学习有害行为的安全风险。如果 API 不安全，就别托管它。
- The Decoder：AI NewsAnthropic 称防御措施将 Claude 推理 token 被窃取量削减 90% 到 99%
Anthropic 称其新防御手段将 Claude 被提取的推理 token 数量削减了 90% 到 99%，防范针对其模型的工业规模蒸馏攻击。攻击者使用数十万个虚假账号提取模型的内部思维链步骤，Anthropic 点名智谱和 Moonshot 参与，称智谱为 GLM-5.3 窃取美国领先模型的网络能力，Moonshot 通过 Claude 秘密转发查询。
- IT之家·人工智能Anthropic 推出新防护措施，模型蒸馏攻击被窃数据量降低 90% 至 99%
Anthropic 于当地时间周一宣布推出多项新防护措施，防止竞争对手复刻 Claude 模型能力，已将模型蒸馏攻击中被窃取的数据量降低约 90% 至 99%。
- AnthropicAnthropic 谈抵御蒸馏攻击进展
过去几个月，我们在降低针对 Claude 的蒸馏攻击有效性方面取得了重大进展。 在这篇文章中，我们解释了具体做法：https://www.anthropic.com/research/distillation-defenses
- Anthropic：Research精选Anthropic 强化针对蒸馏攻击的防御， reasoning token 提取量下降 10 到 100 倍
Anthropic 发布博客，介绍其针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据减少约 90% 到 99%。