Anthropic 宣布反蒸馏新方法，蒸馏窃取数据量降 90-99%

scaling01 · x · 2026-10-13

Anthropic 发文称近月在其新防御方法下，针对 Claude 的蒸馏攻击所窃取的数据量减少了约 90% 至 99%。蒸馏攻击指用大量欺诈账号隐蔽地批量提取模型能力、低成本复刻前沿模型的做法。

Anthropic 点名智谱（Zhipu）：在开发 GLM-5.3 期间蒸馏了美国领先模型的网络攻击能力，曾试图蒸馏 Claude Fable 5，但发现其安全护栏会削弱攻击效果后转用更旧的 Claude 模型及另一实验室的模型。CAISSI 评估 GLM-5.3 为迄今网络能力最强的开源权重模型；Anthropic 自家研究称该模型护栏可被轻易绕过，且愿意端到端开发安全漏洞利用。