Anthropic称新防御削减Claude蒸馏窃取90%至99%

Anthropic 公布针对 Claude 的蒸馏攻击防御成效，称新措施将模型内部推理 token 被提取的量削减了 90% 至 99%。这类攻击通过数十万个虚假账号网络系统性复制模型能力，用于训练攻击者自家的小模型。 Anthropic 表示，其做法包括限制对 Claude 内部推理步骤的访问、运行检测提取行为的分类器，并自动封禁被标记的账号，目前已封禁数万个账号。该公司同时承认，部分正常用户也被误伤。 Anthropic 呼吁其他 AI 开发者采用类似防护措施，并点名指控智谱、Moonshot 涉及相关行为。上述削减幅度与指控均为 Anthropic 的说法。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。