Anthropic、Claudeへの不正蒸留対策を強化 攻撃者データを最大99%削減

Anthropicは2026年10月12日、ClaudeのAIモデルに対する不正な蒸留攻撃への防御を強化したと発表した。同社によると、攻撃者が収集する推論データの量は約90〜99%減少し、攻撃者が抽出した推論トークン数は以前の10分の1から100分の1の水準にまで落ち込んだ。

同社は「Constitutional Classifiers」研究に基づく2段階の分類システムを構築し、隠された推論出力と間接的な抽出試みをリアルタイムで検出する。このシステムの誤検知率は0.1%未満で、Sonnet 5.5、Opus 5と5.5、Fable 5と5.1に適用されている。

また、Fable 5.1とOpus 5.5には「preserved thinking」機能を導入した。2026年8月31日以降に作成された新しいAPIアカウントは、以前の会話のコンテキストを任意に変更することが制限される。Sonnet 5.5では、リクエストを生成した組織だけがその推論記録を閲覧できるようアクセスを制限した。

同社は蒸留に関連するものを含め、一部の安全対策によってブロックされたリクエストについて、2026年9月24日から課金を開始した。不正な蒸留活動に関連する数万のアカウントを遮断し、一部は攻撃開始から2時間以内に阻止したという。

Anthropicは、中国のZ.aiがGLM-5.3の開発中にClaudeのサイバーセキュリティ能力を蒸留しようとしたと非難した。同社は蒸留攻撃を遮断する間、数兆トークン規模の有料トラフィックと多大な収益を放棄し、一部の正当な開発者がAPI統合方法を変更せざるを得なくなったと説明している。

背景として、Anthropicは2月の報告書で、1つのネットワークが同時に2万以上の偽アカウントを管理していたと述べていた。同社の発表はaitimes.comが伝えた。