Anthropic称新防御削减推理token窃取90-99%

Anthropic公布针对蒸馏攻击的新防御方法，称早期证据显示蒸馏者获取Claude推理步骤的数据量减少约90%至99%。防御包括：限制2026年8月31日及之后创建的API账户编辑先前上下文，用两阶段分类器拦截提取尝试，并对持续尝试的账户收紧限额或封禁。 Anthropic称已封禁数万个账户，但也承认部分正常用户被误伤：分类器在少于0.1%的情况下可能误判或拦截正常请求。此外，自9月24日起，在误报率低于0.1%的特定领域（含蒸馏），被安全措施拦截的请求仍会收费。 上述削减比例来自Anthropic自身说法，尚未经独立验证。

AI 根据报道生成 · 1 天前更新

还没有足够的连续观测数据，暂不绘制趋势。