Anthropic cho biết các lớp bảo vệ mới cho Claude đã giúp cắt lượng dữ liệu bị hút ra trong các cuộc tấn công “chưng cất” (distillation attacks) khoảng 90% đến 99%, đồng thời nêu đích danh Z.ai của Trung Quốc là một trong những công ty đã tìm cách thực hiện dạng tấn công này.
Điểm chính:
- Anthropic nói các biện pháp phòng thủ mới giúp giảm khoảng 90% đến 99% dữ liệu mà bên chưng cất có thể rút từ Claude.
- Hãng đã khóa hàng chục nghìn tài khoản bị nghi liên quan đến các chiến dịch chưng cất.
- Anthropic cho biết Z.ai, còn gọi là Zhipu, đã cố gắng chưng cất Claude khi phát triển mô hình GLM-5.3.
Lá chắn chống chưng cất Claude
Anthropic công bố kết quả trong một bài nghiên cứu hôm thứ Hai, 12/10, mô tả các thay đổi đã triển khai trong vài tháng gần đây. Công ty cho biết dữ liệu ban đầu cho thấy những phương pháp mới giúp giảm lượng dữ liệu bị các hệ thống chưng cất khai thác khoảng 90% đến 99%, nhưng cũng cảnh báo chưa rõ lợi thế này sẽ duy trì được bao lâu. Các lớp phòng vệ xoay quanh “chuỗi lập luận” – phần suy nghĩ từng bước Claude viết ra trước khi trả lời.
Với Claude Fable 5.1 và Claude Opus 5.5, các tài khoản API mới tạo từ ngày 31/8 trở đi không còn có thể chỉnh sửa “ngữ cảnh suy nghĩ” trước đó của Claude, chức năng mà Anthropic gọi là “preserved thinking”. Một bộ phân loại hai tầng mới cũng chặn các nỗ lực trích xuất với tỷ lệ cảnh báo nhầm dưới 0,1%, và theo Anthropic, những bên chưng cất giờ chỉ rút được lượng token lập luận ít hơn trước từ 10 đến 100 lần.
Anthropic đồng thời đã khóa hàng chục nghìn tài khoản có liên hệ với nhau, thường trong vòng chưa đầy hai giờ sau khi bị phát hiện.
Xem thêm: GPT-6.1 Sol giúp Asana cắt chi phí agent gấp 76 lần, nhưng cái giá phải trả là gì
Cáo buộc chưng cất nhằm vào Z.ai
Về bản chất, “chưng cất” là quá trình huấn luyện một mô hình nhỏ hơn dựa trên câu trả lời của một mô hình mạnh hơn. OpenAI và Google cùng phía Anthropic từ lâu đã cảnh báo rằng cách tiếp cận này cho phép đối thủ sao chép nhanh và rẻ hơn các năng lực tiên tiến. Phần giá trị nhất là bản ghi lập luận chi tiết; trong thử nghiệm nội bộ của Anthropic, mô hình được huấn luyện trên toàn bộ chuỗi lập luận của Claude đạt 80,4% trên bộ đo chuẩn lập trình SWE-bench Verified, so với 71,8% khi chỉ được huấn luyện trên bản tóm tắt.
Công ty cảnh báo việc sao chép như vậy làm dấy lên rủi ro an toàn và an ninh quốc gia, vì các mô hình đã được chưng cất thường ra mắt công chúng mà không kèm theo những lớp bảo vệ tương xứng. Anthropic nói Z.ai, hay Zhipu, đã cố gắng chưng cất Claude Fable 5 trong quá trình xây dựng GLM-5.3, sau đó chuyển sang một phiên bản Claude cũ hơn và mô hình của một phòng thí nghiệm khác khi các biện pháp an ninh mạng mới làm suy yếu hiệu quả tấn công. Z.ai chưa phản hồi yêu cầu bình luận.
Hiện chưa có bên thứ ba nào xác minh các con số mà Anthropic đưa ra. Bản thân hãng cũng thừa nhận có những đánh đổi, gồm doanh thu bị bỏ lỡ, thay đổi tích hợp đối với một số nhà phát triển, thỉnh thoảng chặn nhầm yêu cầu hợp lệ và tiếp tục thu phí đối với cả các yêu cầu bị chặn kể từ ngày 24/9.
Thông báo mới nhất nối dài chuỗi cáo buộc kéo dài nhiều tháng. Hồi tháng 2, Anthropic tố DeepSeek, Moonshot AI và MiniMax đã tạo hơn 16 triệu lượt tương tác với Claude thông qua khoảng 24.000 tài khoản gian lận nhằm cải thiện mô hình riêng. Đến ngày 17/9, các chuyên gia đánh giá của Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ (NIST) xếp hạng GLM-5.3 là mô hình open-weight có năng lực tấn công mạng cao nhất từng được công bố, dù vẫn bị coi là tụt hậu khoảng bốn tháng so với các mô hình “frontier” của Mỹ.
Bài tiếp theo: Người nắm giữ crypto tại Pháp có thể bị phạt tới 10.000 euro vì ví không khai báo
