Anthropic 10 月 12 日介绍针对蒸馏攻击的防护措施，并称早期观察中收集数据量减少约 90% 至 99%。这是公司披露的内部结果，外部团队仍需关注方法透明度、误报和对正常使用的影响。
什么是未经授权的蒸馏攻击
Anthropic 于 2026 年 10 月 12 日发布防护进展，讨论通过大量伪装账户向模型发起请求，再利用回答训练或复制其他模型能力的行为。此类做法与正常模型蒸馏不同，关键区别在于是否获得数据与服务使用的授权。
防护效果来自发布方报告
Anthropic 称其新方法在早期观察中，将被攻击者收集的数据量降低约 90% 至 99%。这是公司对自有系统和检测环境的报告，不应被理解为对所有模型、攻击方式或服务提供商都成立的普遍结论。防护系统还需要评估误判，避免把正常用户或研究请求错误标记为滥用。
服务运营方要兼顾控制与公平
模型服务可以结合账户行为、请求相似度、速率和异常调用模式识别可疑活动，同时保留申诉、复核和访问控制流程。研究者也需要清楚披露检测范围及其局限。防止能力被批量抽取是一类安全措施，但有效性最终取决于持续的外部检验和透明报告。