Anthropic 披露 Moonshot 跨会话重放攻击窃取 Claude 思维链

Miles_Brundage · x · 2026-10-14

Anthropic 发文详述过去几个月在对抗「蒸馏攻击」上的进展，安全研究员 Matthew Green 随即指出：他早在 5 月就报告过这些跨会话重放攻击，但 Anthropic 当时答复「这不算是攻击」，令他持续不满。

攻击手法：Claude 的 API 返回「thinking signature」而非原始思维过程以防蒸馏，Moonshot 通过保存响应中的签名、开启新会话、再诱导 Claude 把签名还原成完整推理轨迹，绕过了这一防护，批量收割思维链数据。Anthropic 还提到蒸馏者会把受保护的推理块在对话间、模型间（用弱防护模型套强模型）、账号间转移，并借助代理网络在被封号后继续提取。Anthropic 称已引入新防御方法。