AI 報告 · Anthropic · 2026-10-12 · 部落格／評論
強化我們對蒸餾攻擊的防禦
原標題: Strengthening our defenses against distillation attacks
Anthropic 表示，根據初步證據，新方法已將蒸餾攻擊所竊取的資料量減少約 90% 至 99%。這類隱蔽的工業規模行動未經授權，就將一個模型的能力複製到另一個模型，通常透過詐欺帳號網路進行。Anthropic 擔心，這可能產生缺乏相應強健防護機制卻被釋出的模型。文中舉例指出，智譜在開發 GLM-5.3 期間，蒸餾了美國領先模型的網路攻擊能力；美國 CAISSI 評估該模型是迄今釋出的開放權重模型中網路攻擊能力最強的。