Anthropic 加强对蒸馏攻击的防御

Anthropic 公布针对 Claude 蒸馏攻击的新防御方法，早期证据显示这些方法使蒸馏者获取的数据量减少约 90% 至 99%。防御分三部分：通过 preserved thinking 限制推理内容在账号、模型和对话间流转；用两阶段分类器拦截提取尝试，误报率低于 0.1%；对反复尝试提取的账号施加更严格限制并封禁。