Anthropic 部署反蒸馏防护：拦截推理链提取使窃取数据量降低 99%，误报率低于 0.1%

出处作者 / 发布主体：IT之家

68AI 研判分

核心综述

Anthropic 推出针对模型蒸馏攻击的新型防护机制，通过限制外界获取 Claude 的推理过程，将攻击者可提取的推理词元数量降低至原来的 1% 到 10%。该系统在拦截大规模信息提取的同时保持了极低的误报率（<0.1%），并以此为由封禁了数万个相关账号，包括指控智谱 AI 在研发 GLM-5.3 期间尝试从 Claude 蒸馏能力。

报道全文原始报道全文

模型蒸馏已经成为头部 AI 企业重点担忧的问题，Anthropic、OpenAI、谷歌等企业认为，这种手段可以让竞争对手以更低成本、更快速度复刻出模型的前沿能力。

Anthropic 称，这套用于限制外界获取 Claude 推理过程的防护机制，大幅减少了信息提取行为。如今“蒸馏攻击者所能提取到的推理词元（token）数量，仅为之前的十分之一至百分之一”。

IT之家注意到，这家总部位于加州的企业表示，新防护提升了使用代理网络反复探测 Claude 受保护推理链路的难度，拦截信息提取尝试，阻碍大规模蒸馏行动。

Anthropic 称，这套安全系统的稳健程度“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%。

Anthropic 封禁了数万个和蒸馏活动相关的账号，并以 AI 初创企业智谱 AI 举例，称该公司在研发 GLM-5.3 模型期间，曾尝试从 Claude 蒸馏提取模型能力。Anthropic 警告，这类行为会带来安全与国家安全风险。