Anthropic 封禁数万蒸馏账号

Anthropic 发文称，新防护措施已使蒸馏攻击者提取的 Claude 推理 Token 数量减少约 90% 至 99%。

攻击方式

攻击者通过虚假账号网络批量获取模型回复，未经授权复制模型能力。其中完整推理记录比最终答案更具训练价值。

防御措施

  • 限制推理记录在对话、模型及账号间转移

  • 部署两阶段分类器识别和拦截提取请求

  • 对反复尝试的账号限流或封禁


Anthropic 称，分类器误报率低于 0.1%，已封禁数万个相关账号，通常在攻击开始后两小时内完成封禁。

恢复收费

自 9 月 24 日起，Anthropic 对蒸馏等特定类别中被安全防护拦截的请求恢复收费。公司承认部分开发者需更新集成方式，分类器也可能误拦正常请求。

目前尚不清楚防护成效能维持多久，公司尚未遭遇高度复杂且持续性的绕过尝试。