Anthropic 公开反蒸馏防御战报：让推理记录更难被偷、捕获量降了九成

📋总体概括

Anthropic发布博客，披露其针对『蒸馏攻击』的防御战报：攻击者通过大量非法账号批量调用Claude生成数百万条回复，再用这些数据训练小模型以极低成本逼近前沿能力。Anthropic在过去几个月升级了反蒸馏检测系统，使攻击行为的捕获量下降约九成，推理记录也更难被窃取。这是头部模型厂商首次公开系统性披露反蒸馏防御成效，标志模型能力窃取与反窃取进入攻防常态化的对抗阶段。