Anthropic 称新防御将推理 token 窃取削减 90% 至 99%

Anthropic 宣布其针对大规模知识蒸馏攻击的新防御机制已生效，成功将提取的推理 token（即模型内部思维链步骤）数量减少了 90% 到 99%。该图表显示，在安全措施全面开启后，每日暴露给成功蒸馏请求的推理 token 平均倍数从之前的 8,800 倍降至 135 倍。 攻击者利用数十万个虚假账户组成的网络进行系统性窃取，Anthropic 指出 Zhipu 和 Moonshot 是参与者，前者涉嫌从其 GLM-5.3 模型中窃取能力，后者则秘密路由查询以获取数据。作为回应，Anthropic 限制了访问推理步骤，部署了检测提取尝试的分类器，并自动封禁了数万个被标记的账户。 事实层面，Anthropic 确认了防御措施实施前后的具体数据变化及被封禁账户数量；推断层面，这表明头部模型厂商正面临有组织的商业或技术对抗，且防御手段已从单纯的技术限制转向主动识别与封禁；猜测层面，虽然 Anthropic 呼吁其他开发者采用类似保护，但承认合法用户也被误伤，这可能导致行业在安全与可用性之间出现新的权衡。