Anthropic 发布新防护机制，模型蒸馏攻击窃取数据量降幅达 99%

封面为AI生成的主题示意图，非新闻现场照片。

当地时间周一，AI 公司 Anthropic 宣布推出多项新防护措施，旨在防止竞争对手复刻其 Claude AI 模型的能力。根据 Anthropic 披露的数据，这些新技术措施已将通过模型蒸馏攻击被窃取的数据量降低了约 90% 至 99%，大幅压缩了信息提取行为的空间。Anthropic 表示，新防护机制通过代理网络反复探测受保护推理链路，显著增加了外部探测难度，并将提取到的推理词元数量限制在之前的十分之一至百分之一。公司安全主管评价该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，其误报率低于 0.1%。此前，Anthropic 已封禁数万个与蒸馏活动相关的账号，并以智谱 AI 研发 GLM-5.3 模型期间曾尝试从 Claude 提取能力的案例作为警示。该公司警告称，此类模型复刻行为不仅存在安全隐患，更可能带来国家安全风险，头部科技企业如 OpenAI、谷歌等对此类低成本快速复制手段同样深感担忧。