Anthropic 推出强效防护机制，大幅遏制 Claude 模型蒸馏攻击

SmartHey10月13日消息，Anthropic 于当地时间周一宣布推出多项全新安全防护措施，旨在有效阻止竞争对手通过模型蒸馏方式复刻 Claude AI 的核心能力。据该公司披露，新机制已使蒸馏攻击中被窃取的数据量减少约 90% 至 99%。

模型蒸馏正成为全球领先人工智能企业的共同关切——Anthropic、OpenAI 和谷歌等均指出，该技术可能被用于以更低成本、更短周期逆向还原前沿大模型的推理逻辑与性能表现。

Anthropic 表示，其新部署的推理链路保护系统显著压缩了外部可获取的信息空间。目前，攻击者在蒸馏过程中所能提取的推理词元（token）数量，已降至原有水平的十分之一至百分之一。

这家总部位于加州的人工智能公司强调，新防护体系大幅提升了通过代理网络反复探测 Claude 受保护推理路径的技术难度，不仅能实时拦截异常信息提取尝试，更能系统性阻断规模化蒸馏行为。

Anthropic 将该安全架构的可靠性类比为“防止 Claude 协助制造生物武器”的高等级防护等级，同时保持极低误报率——低于 0.1%。

截至目前，Anthropic 已封禁数万个涉嫌参与模型蒸馏活动的账号。公司特别点名中国AI初创企业智谱 AI，指出其在开发 GLM-5.3 模型过程中曾尝试从 Claude 提取能力用于蒸馏，并强调此类行为不仅违反服务条款，更可能引发严重安全与国家安全风险。