Anthropic 近日通过官方博客披露，其已针对 Claude 模型面临的蒸馏攻击部署了新的防御措施。蒸馏攻击通常指攻击者通过大量查询模型输出，试图复制其能力或提取内部推理信息。

根据该博客内容，早期证据表明，新防御方法显著降低了攻击者获取数据的效率。具体而言，蒸馏者能够获取的数据量减少了约 90% 到 99%，而 reasoning token 的提取量则下降了 10 到 100 倍。

这一进展意味着，针对模型蒸馏的主动防御正在成为可能。Anthropic 并未透露具体技术细节，但强调这些方法已在实际对抗中展现出效果。

对于 AI 行业而言，模型蒸馏与反蒸馏的博弈持续升级。Anthropic 此次公布的数据，为其他厂商防御类似攻击提供了可参考的量化指标。