Anthropic 公布新一代反蒸馏防御措施

Anthropic 公布新一代反蒸馏防御体系，称攻击者从 Claude 平台窃取的推理 token 量下降 90%–99%，并将蒸馏定性为国家安全问题。 防御分三层：推理摘要、随 Claude Fable 5.1 和 Opus 5.5 推出的保留思考机制，以及两阶段宪法式分类器与账号级执法。Anthropic 称分类器误报率低于 0.1%。 具体措施包括：2026 年 8 月 31 日后创建的新 API 账号无法编辑 Claude 的先前上下文；对 Sonnet 5.5，推理记录仅对产生该记录的组织本身可见；自 9 月 24 日起对被安全拦截的请求恢复收费，Anthropic 称这是刻意提高攻击成本的经济手段，只在误报率低于 0.1% 的领域执行。目前已应用于 Sonnet 5.5、Opus 5/5.5、Fable 5/5.1，未来将覆盖所有对蒸馏者有吸引力的模型。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。