先了解这件事
Anthropic宣布在降低针对Claude的蒸馏攻击有效性方面取得进展。蒸馏攻击指通过大量调用模型输出,反向训练出能力接近的仿制模型。据其发布的博客,早期证据显示这些防御方法使蒸馏者获取的数据量减少约90%至99%。防御从三方面入手:通过preserved thinking限制新API账号编辑Claude的先前上下文;用两阶段分类器拦截推理提取尝试,误报率低于0.1%;对反复尝试提取的账号施加更严格限额并封禁。Anthropic称在最强通用模型上,该分类器已能捕获其9月报告中描述的全部蒸馏手法,提取的推理token数比此前低10至100倍。Anthropic也承认,preserved thinking要求部分开发者更新集成,且会对被拦截请求收费。
AI 根据公开报道生成
最新进展 · 正式报道
Anthropic 推出新防护措施，称模型蒸馏攻击窃取数据量最高降低 99%事件进展
1 个已确认进展
- 来源：Anthropic Research
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
IT之家·人工智能
Anthropic 推出新防护措施，称模型蒸馏攻击窃取数据量最高降低 99%
Anthropic 于当地时间周一表示，已推出多项新防护措施，防止竞争对手复刻 Claude 的能力，称模型蒸馏攻击中被窃取的数据量降低约 90% 至 99%，蒸馏攻击者能提取的推理 token 数量仅为之前的十分之一至百分之一。Anthropic 称这套安全系统稳健程度大致相当于阻止 Claude 协助制造生物武器的防护体系，误报率低于 0.1%，并已封禁数万个与蒸馏活动相关的账号，还以智谱 AI 研发 GLM-5.3 期间尝试从 Claude 蒸馏提取能力为例，警告这类行为会带来安全与国家安全风险。
The Decoder
Anthropic 称新防御将 Claude 推理 token 窃取量削减 90% 至 99%
Anthropic 表示其新防御措施将 Claude 被提取的推理 token 量削减了 90% 至 99%，攻击者通过数十万个虚假账号网络大规模复制模型能力以训练自家小模型。Anthropic 点名中国公司智谱和月之暗面参与其中，称智谱为 GLM-5.3 从美国领先模型攫取网络能力，月之暗面则秘密将查询路由至 Claude。Anthropic 现已限制对 Claude 内部推理步骤的访问，运行检测提取尝试的分类器并自动封禁被标记账号，已有数万个账号被封，同时承认合法用户也会被误伤。
Anthropic
Anthropic 称已显著降低针对 Claude 的蒸馏攻击有效性
Anthropic 表示，过去几个月在降低针对 Claude 的蒸馏攻击有效性方面取得了显著进展，并发布文章说明具体做法。蒸馏攻击指通过大量调用模型输出，反向训练出能力接近的仿制模型。
10月12日
Anthropic Research一手精选
Anthropic 公布反蒸馏防御方法，称蒸馏数据提取量下降 90% 至 99%
Anthropic 发布博客介绍其针对 Claude 的反蒸馏攻击防御进展，早期证据显示这些方法使蒸馏者获取的数据量减少约 90% 至 99%。防御从三方面入手：通过 preserved thinking 限制新 API 账号编辑 Claude 的先前上下文、用两阶段分类器拦截推理提取尝试（误报率低于 0.1%）、对反复尝试提取的账号施加更严格限额并封禁。Anthropic 称在最强通用模型上，该分类器已能捕获其 9 月报告中描述的全部蒸馏手法，提取的推理 token 数比此前低 10 至 100 倍，但也承认 preserved thinking 要求部分开发者更新集成，且会对被拦截请求收费。