Anthropic 部署反蒸馏防御体系：通过分类器拦截使 Claude 推理链窃取量骤降 90% 至 99%

出处作者 / 发布主体：Manuel Uth原标题：Anthropic says it cut Claude reasoning token theft by up to 99% in fight against industrial-scale distillation

78AI 研判分

核心综述

Anthropic 公布针对工业级模型蒸馏攻击的最新防御成果，通过部署专用检测分类器与自动封禁机制，将 Claude 内部思维链（CoT）被系统性提取的规模削减了 90% 至 99%。该防御体系专门应对利用数十万虚假账号进行的自动化数据窃取行为，旨在保护核心推理能力不被竞争对手用于训练小型模型。尽管误伤合法用户的问题依然存在，但这一举措标志着大模型厂商在知识产权防护与对抗性安全领域的技术升级。

报道全文原始报道全文

Anthropic 正全力抵御针对其 Claude 模型的大规模蒸馏攻击。 在这类攻击中，企业通过系统性复制 AI 模型的能力来训练自己的小型模型。Anthropic 表示，其新型防御措施已将提取出的推理 token（即模型内部的思维链步骤）数量减少了 90% 至 99%。攻击者利用由数十万个虚假账户组成的网络实施这些攻击。

据 Anthropic 称，成功的提取尝试大幅减少 | 图片：Anthropic

Anthropic 点名中国公司智谱（Zhipu）和月之暗面（Moonshot）参与其中。据指控，智谱从领先的美国模型中窃取了网络安全能力，用于其 GLM-5.3 模型；而月之暗面则秘密地将查询请求路由至 Claude。被盗取的能力最终可能被用于外国的军事和监控系统。

目前，Anthropic 已限制对 Claude 内部推理步骤的访问权限，运行一个检测提取尝试的分类器，并自动封禁被标记的账户。已有数万个账户被封禁。Anthropic 呼吁其他 AI 开发者采取类似保护措施，尽管该公司承认，这一过程也误伤了一些合法用户。