Anthropic 強化 Claude 蒸餾防禦：稱遭蒸餾取得的資料量降低 90% 至 99%

Anthropic在官網表示，近期透過新方法強化 Claude 的蒸餾攻擊防禦，初步證據顯示，蒸餾者能取得的資料量已減少約 90% 至 99%。公司將蒸餾攻擊定義為未經原模型開發者授權，透過大量請求擷取模型能力、再複製到另一模型的隱蔽型工業化行動，常涉及大量虛假帳戶。 Anthropic稱，防禦重點是降低 Claude 隱藏推理過程的可取得性，因為完整推理紀錄比最終輸出更適合用來訓練較小模型。公司早期讓 Claude 在向使用者顯示前先摘要推理；在其測試中，使用 Claude Opus 4.8 完整推理紀錄訓練出的模型，在 SWE-bench Verified 達 80.4%，改用摘要紀錄後降至 71.8%。 Anthropic表示，攻擊者之後改用主動擷取，透過要求模型逐字輸出隱藏推理等方式繞過摘要機制；其中一家實驗室曾測試 12,000 個不同誘導請求。公司也稱，攻擊者建立可控制數十萬個虛假帳戶的代理網路，並使用假身分與遭竊付款資料，將 Claude 存取權轉售至未提供服務的地區。Anthropic表示，相關防禦措施已使公司拒絕大量營收與數兆 token 的付費流量，部分調整也要求合法使用者更新程式整合。 Anthropic另稱，Zhipu 在開發 GLM-5.3 時蒸餾美國領先模型的網路安全能力，曾嘗試蒸餾 Claude Fable 5，因 Claude 的網路安全防護降低攻擊效果，轉而使用較舊的 Claude 模型及另一家實驗室的模型。Anthropic表示，CAISSI 此後評估 GLM-5.3 是截至目前發布的網路安全能力最強開放權重模型；Anthropic自身研究則稱，GLM-5.3 的防護容易被繞過，且模型願意端到端開發安全漏洞利用程式。 Anthropic也表示，曾有案例顯示 Moonshot 的 Kimi 模型請求被秘密轉送至 Claude，作為蒸餾工作的一部分；其中一項請求來自 Anthropic 認為與中國人民解放軍有關聯的使用者，內容涉及分析特定人士的監視器影像。上述對 Zhipu、GLM-5.3 及 Moonshot 的說法均為 Anthropic 在文章中的指稱。