Anthropic 称 Fable 5.1 和 Opus 5.5 的“保留思考”等新措施令蒸馏攻击数据采集减少约 90% 至 99%
talkingdev • 2026-10-13
2963 views
Anthropic 近日在官方博客中披露，其在防御模型蒸馏攻击方面取得重要进展。通过 Fable 5.1 和 Opus 5.5 中引入的“保留思考”等新方法，攻击者通过蒸馏手段从 Claude 模型中采集有效数据的效率降低了约 90% 至 99%。蒸馏攻击通常指攻击者大规模调用目标模型，利用输入输出对训练模仿模型，从而绕过 API 访问限制或窃取模型能力。Anthropic 的新措施改变了模型输出中可被利用的信息结构，使攻击者即便获取大量输出，也难以训练出高质量的仿制模型，同时尽量不影响正常用户体验。这一进展对大语言模型知识产权保护、API 滥用治理以及 AI 安全防御体系的完善具有重要参考意义，也可能推动行业重新审视模型输出策略与能力保护之间的平衡。
核心要点
- Anthropic 称其新措施使蒸馏攻击的数据采集效率下降约 90% 至 99%
- Fable 5.1 和 Opus 5.5 中采用的“保留思考”方法是关键防御手段
- 该进展有助于保护大模型知识产权并减少 API 滥用风险