Anthropic、「蒸留攻撃」への対策の進捗を公表

發生什麼事

か

Anthropic は X で、ここ数か月で Claude に対する蒸留攻撃の効果を大きく下げたと発表しました（@AnthropicAI）。蒸留攻撃とは、大量の偽アカウントで Claude に回答を求め、その出力で自社のモデルを訓練する手口です。公式記事によると、新しい対策は 3 層構成です。推論内容を持ち出せる範囲の制限、完全な推論の出力を求めるリクエストを 2 段階の分類器でブロック、そして試行を繰り返すアカウントへのレート制限と停止です。公式の数字では、分類器の誤判定率は 0.1% 未満、蒸留者が Anthropic のプラットフォームで得られる推論 token は従来の 10 分の 1〜100 分の 1 に減り、関連する数万件のアカウントを停止しました（Anthropic 公式記事）。代償があることも認めており、一部の開発者は連携方法の更新が必要になり、ブロックされたリクエストも課金されるようになりました。