|
事件概述：Anthropic于2026年10月12日发布Claude反蒸馏防护说明，介绍其近期针对未经授权提取模型能力、用于训练其他模型的行为所采取的措施。以下成效数字均为Anthropic对自家平台数据的估算或报告。
对象与发布方：发布方为Anthropic Research，涉及Claude API及目前可用的Claude Sonnet 5.5、Opus 5/5.5、Fable 5/5.1等模型。
关键措施：Anthropic称其采用多层防护，包括限制新API账户编辑Claude此前上下文、阻止较弱防护模型读取受保护推理内容、将部分推理记录限定在发起请求的组织内，以及用两阶段分类器识别试图提取推理内容的请求；对持续尝试的账户还会加强限流或封禁。Anthropic表示，新分类器已覆盖其最具能力的通用可用模型。
披露结果与适用对象：Anthropic估计，在其平台上，实施防护后蒸馏者提取到的推理token数量通常比此前低10至100倍，并称已封禁数万个相关账户。该信息对模型开发者、API平台和需要保护模型推理数据的服务运营方有参考价值；这是厂商自报的内部平台结果，并非独立审计或跨平台评测。
实际影响与限制：措施可能提高批量套取模型输出的难度，但不能证明所有蒸馏攻击都已被阻止。Anthropic也指出，部分开发者需调整集成；分类器误判率低于0.1%，但正常请求仍可能被误拦，且某些被拦截请求会收费。公司称攻击与防护仍是持续演进的对抗过程。
官方来源（发布日期：2026年10月12日）：https://www.anthropic.com/research/distillation-defenses |
0