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。