据 Anthropic 称,该公司的新防御措施已将从模型回复中提取推理令牌的比例降低了 90% 至 99%。该公司已部署两阶段分类器,用于识别并拦截提取请求,限制在不同对话和账户之间传输推理记录,并对屡次违规者实施限速或封禁。Anthropic 表示,该分类器的误报率低于 0.1%,并且已经封禁了数万个涉及蒸馏攻击的账户,通常会在检测到违规行为后的两小时内完成封禁。
免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见
声明。