Anthropic 公布针对蒸馏攻击的防御方法

Anthropic 公布其对抗蒸馏攻击的新方法，称早期证据显示蒸馏者获取的数据量减少约 90% 至 99%。防御主要围绕保护 Claude 的推理过程，包括限制 API 账户编辑先前上下文、用两阶段分类器拦截提取尝试，以及对持续尝试的账户收紧限额或封禁。