Anthropic称新防御措施使AI蒸馏数据窃取减少九成以上

Anthropic于10月12日发布博客，称其针对Claude模型的新反蒸馏防御措施已将攻击者窃取的数据量减少了约90%至99%。

公司表示，早期措施如摘要化推理过程虽有效，但攻击者转向主动提取技巧。为此，Anthropic在Claude Fable 5.1和Opus 5.5中引入了“保留思维”（preserved thinking）功能，防止新API账户编辑先前上下文，从而阻断通过代理网络反复提取隐藏推理的路径。

此外，部分模型的推理记录现在仅对产生该记录的机构可见。Anthropic指出，这些措施虽然有效，但也导致公司拒绝了大量来自蒸馏者的付费流量，并要求部分合法用户更新其API集成以适配新规则。