Anthropic 部署反蒸馏防护：以低误报分类器拦截推理链提取，窃取量骤降 90% 至 99%

Anthropic 正式公布针对工业级模型蒸馏攻击的最新防御成果，通过部署专用检测分类器与自动封禁机制，成功将 Claude 内部思维链（CoT）被系统性提取的规模削减了 90% 至 99%，且误报率严格控制在 0.1% 以下。这一突破标志着大模型厂商在知识产权防护与对抗性安全领域实现了关键技术升级，有效遏制了利用数十万虚假账号进行的自动化数据窃取行为。

多方信源交叉验证显示，该防御体系专门应对旨在低成本复制前沿模型能力的欺诈账户网络。技术细节表明，新机制能限制外界获取 Claude 的推理过程，使攻击者可提取的推理词元数量降低至原来的 1% 到 10%。尽管部分合法用户因触发规则而被误封，但 Anthropic 已据此封禁数万个涉嫌蒸馏的账号，并公开点名智谱 AI 在研发 GLM-5.3 期间尝试从 Claude 提取能力，引发行业对国家安全风险的担忧。

此举不仅显著提升了复刻核心推理逻辑的成本，保护了包括网络安全能力在内的关键资产不被竞争对手用于训练小型模型，更向行业证明了存在可行的替代方案以对抗不作为。Anthropic 呼吁共同采纳此类保护标准，其稳健度对标生物武器防护，为大模型生态的安全边界确立了新的基准。