Anthropic 详解反蒸馏防御新方法，蒸馏窃取的推理 token 减少 90% 至 99%

Anthropic 发布博文，介绍近期降低针对 Claude 蒸馏攻击有效性的新方法，早期证据显示蒸馏者获取的数据量减少约 90% 至 99%。方法包括限制推理内容流向、类似 constitutional classifiers 的两阶段分类器（误报率低于 0.1%）以及封禁相关账号和对被拦截请求恢复收费，并称 Zhipu 在开发 GLM-5.3 期间曾尝试蒸馏 Claude。