Anthropic 披露 Claude 防知识蒸馏攻击机制与防御进展

Anthropic 披露针对 Claude 的防知识蒸馏攻击新措施，通过控制思维链推理流向与部署两阶段分类器，将攻击者窃取的数据量削减了 90% 到 99%。新防御机制引入 preserved thinking 限制新 API 账户篡改先验上下文，阻断跨对话转移思维链，并结合两阶段分类器实时识别提取请求。