Anthropic 表示蒸馏攻击数据采集量下降约九成
Anthropic 公布针对 Claude 模型非法蒸馏的新防御措施，称攻击者获取的推理数据减少约 90% 至 99%。
Anthropic 于 10 月 12 日宣布，已大幅加强针对其 Claude 系列人工智能模型非法蒸馏攻击的防御措施。该公司表示，新安全措施使攻击者采集到的推理数据量减少约 90% 至 99%。
据 aitimes.com 报道，Anthropic 在新版模型中引入了“保留思维”（preserved thinking）功能，涉及 Fable 5.1 和 Opus 5.5。在 Sonnet 5.5 中，该公司限制只有发起请求的组织才能查看其推理记录。此外，2026 年 8 月 31 日之后创建的新 API 账户不得随意修改先前对话的上下文。
Anthropic 还基于其 Constitutional Classifiers 研究构建了一套两阶段分类系统，用于实时检测隐藏的推理输出和间接提取尝试。该公司称，该系统误报率低于 0.1%，并已应用于 Sonnet 5.5、Opus 5 与 5.5，以及 Fable 5 与 5.1。
Anthropic 表示，自 2026 年 9 月 24 日起，对因某些安全措施而被拦截的请求开始收费，其中包括与蒸馏相关的请求。该公司称，在新防御措施生效后，攻击者提取的推理 token 数量降至此前水平的十分之一到百分之一。
Anthropic 还表示，已封禁数万个与非法蒸馏活动相关的账户，部分账户在攻击开始后两小时内即被阻断。该公司指控中国的 Z.ai 在开发 GLM-5.3 期间试图蒸馏 Claude 的网络安全能力。
Anthropic 称，在阻断蒸馏攻击的过程中，公司放弃了可观的收入和数以万亿 token 计的流量，部分合法开发者也不得不调整其 API 集成方式。
快速问答
Anthropic 的新防御措施使攻击者获取的数据减少了多少？
Anthropic 表示，攻击者采集的推理数据量减少约 90% 至 99%，提取的推理 token 降至此前水平的十分之一到百分之一。
哪些模型应用了新的分类检测系统？
该系统已应用于 Sonnet 5.5、Opus 5 与 5.5，以及 Fable 5 与 5.1，误报率低于 0.1%。
Anthropic 何时开始对部分被拦截请求收费？
自 2026 年 9 月 24 日起，Anthropic 对因某些安全措施而被拦截的请求收费，包括与蒸馏相关的请求。