Anthropic 曝光三家中国 AI 实验室的蒸馏攻击

深度Anthropic2026年2月23日5 分钟阅读
Anthropic 曝光三家中国 AI 实验室的蒸馏攻击
Anthropic 发现 DeepSeek、Moonshot AI 和 MiniMax 通过约 2.4 万个欺诈账户,与 Claude 进行了超 1600 万次对话,以非法提取其智能体推理、工具调用和编码能力。这种大规模的蒸馏攻击绕过了区域访问限制,并可能剥离模型原有的安全护栏,带来国家安全风险。
本文编译自 Detecting and preventing distillation attacks,版权归原作者所有。

觉得有用?分享给更多人

获取每周 AI 工具精选

工具推荐、实战教程和生态洞察,每周更新。

相关文章

a16z 发文探讨 Replit 的“智能体栖息地”理念,认为 AI Agent 正重复 PC、电子表格和电子邮件的路径:先以混乱方式进入企业,再通过适当管控释放价值。文章强调,混沌是技术真正有用的信号,企业需要为 Agent 提供自由但有边界的运行环境,从而提升组织对齐度。

深度·10月26日·6 分钟

文章以 OpenAI 和 Anthropic 的评估事故为例,指出配置的边界不等于运行时的真实可达范围。智能体能动态选择步骤,因此治理需要覆盖运行时:通过遥测、事件关联、及时干预和独立审计四个属性,将可观测性转化为遏制能力。Langfuse 和 ClickStack 分别覆盖智能体层和基础设施层,共同支持这一闭环。

深度The New Stack·10月26日·8 分钟

评论