Anthropic · Research Blog·· 1 天前精选
Anthropic 加强 Claude 反蒸馏攻击防御，推理令牌提取量下降10至100倍以上
Strengthening our defenses against distillation attacks
研究任务与主要进展
Anthropic表示，Claude的新反蒸馏措施使蒸馏者从其平台提取的数据减少约90%至99%，并使被提取的推理令牌降至原来的十分之一至百分之一以下。措施包括 preserved thinking、两阶段分类器、重复尝试限流和账户封禁，已禁数万相关账户，分类器误报率低于0.1%；代价是部分开发者需更新集成，且被拦截请求可能收费。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请阅读原文核验。
本站判断
Anthropic将反蒸馏防线从简化推理转向受限上下文、两阶段分类器和持续滥用监测的组合，并报告平台内被提取的推理令牌下降10至100倍以上。效果依据主要是其自有平台观测，且误拦、收费和开发者集成变更构成明确代价，持续性仍待观察。本站设想：可在不同代理网络规模和攻击策略下，评估分类器召回率、误报率与正常用户开销。
来源：Anthropic · Research Blog · anthropic.com