Anthropic cho biết các biện pháp bảo vệ mới trên Claude đã giúp cắt giảm khoảng 90% đến 99% lượng dữ liệu bị hút đi trong các cuộc tấn công “chưng cất” mô hình, đồng thời nêu đích danh Z.ai của Trung Quốc là một trong các công ty đã tìm cách khai thác.
Các điểm chính:
- Anthropic nói lớp phòng thủ mới giúp giảm khoảng 90%–99% lượng dữ liệu bị “thợ chưng cất” rút từ Claude.
- Công ty đã khóa hàng chục nghìn tài khoản liên quan đến các chiến dịch chưng cất.
- Anthropic cho biết Z.ai, hay còn gọi là Zhipu, đã cố chưng cất Claude khi phát triển mô hình GLM-5.3.
Lá chắn chống chưng cất của Claude
Anthropic công bố kết quả trong một bài nghiên cứu hôm thứ Hai, 12/10, mô tả loạt thay đổi đã triển khai trong vài tháng gần đây. Công ty cho biết bằng chứng ban đầu cho thấy các kỹ thuật mới đã giúp giảm khoảng 90% đến 99% lượng dữ liệu bị thợ chưng cất thu thập, dù thừa nhận chưa rõ hiệu quả này duy trì được bao lâu. Trọng tâm của lớp phòng thủ là phần “lập luận” – chuỗi suy nghĩ từng bước mà model tạo ra trước khi trả lời.
Với Claude Fable 5.1 và Claude Opus 5.5, các tài khoản API mở mới từ ngày 31/8 trở đi không còn được phép chỉnh sửa “bối cảnh suy nghĩ” trước đó của Claude – tính năng mà Anthropic gọi là “preserved thinking” (giữ nguyên tư duy). Một bộ phân loại hai tầng mới cũng chặn các nỗ lực trích xuất với tỷ lệ báo sai dưới 0,1%, và theo công ty, “thợ chưng cất” hiện chỉ hút ra được lượng token lập luận ít hơn trước từ 10 đến 100 lần.
Anthropic cho biết hãng đã khóa hoạt động hàng chục nghìn tài khoản liên kết, nhiều trường hợp chỉ trong vòng hai giờ kể từ khi phát hiện.
Bài liên quan: GPT-6.1 Sol giúp Asana cắt chi phí agent gấp 76 lần, nhưng cái giá phải trả là gì
Cáo buộc chưng cất đối với Z.ai
“Chưng cất” (distillation) là kỹ thuật huấn luyện một mô hình nhỏ dựa trên câu trả lời của mô hình mạnh hơn. OpenAI và Google cùng với Anthropic đều lập luận rằng cách làm này cho phép đối thủ sao chép nhanh và rẻ hơn nhiều các năng lực tiên tiến. Phần bản ghi lập luận chi tiết là yếu tố giá trị nhất: trong thử nghiệm nội bộ của Anthropic, một mô hình được huấn luyện trên toàn bộ lập luận của Claude đạt 80,4% trên bộ đánh giá lập trình SWE-bench Verified, so với 71,8% nếu chỉ huấn luyện trên bản tóm tắt.
Công ty cảnh báo việc sao chép như vậy tạo rủi ro an toàn và an ninh quốc gia, do các mô hình đã được chưng cất thường được tung ra công chúng mà không đi kèm cơ chế bảo vệ tương xứng. Anthropic nói Z.ai, hay Zhipu, đã cố chưng cất Claude Fable 5 trong quá trình phát triển GLM-5.3, sau đó chuyển sang một phiên bản Claude cũ hơn và model của một phòng lab khác khi các biện pháp an ninh mạng làm suy yếu hiệu quả tấn công. Z.ai chưa phản hồi yêu cầu bình luận.
Cho đến nay, chưa có bên độc lập nào xác minh các số liệu của Anthropic. Công ty cũng thừa nhận có đánh đổi: doanh thu bị bỏ lỡ, yêu cầu một số nhà phát triển phải chỉnh sửa tích hợp, đôi khi chặn nhầm yêu cầu hợp lệ và vẫn tính phí cho cả những yêu cầu bị chặn – chính sách đã được khôi phục từ ngày 24/9.
Thông báo mới nối tiếp chuỗi cáo buộc kéo dài nhiều tháng. Tháng 2, Anthropic tố các hãng Trung Quốc DeepSeek, Moonshot AI và MiniMax đã tạo hơn 16 triệu phiên tương tác với Claude thông qua khoảng 24.000 tài khoản gian lận để cải thiện model riêng. Đến ngày 17/9, các chuyên gia đánh giá của Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ (NIST) chấm GLM-5.3 là mô hình “open-weight” có năng lực tấn công mạng mạnh nhất từng được công bố, dù vẫn bị các model tiên phong của Mỹ bỏ xa khoảng bốn tháng phát triển.
Bài tiếp theo: Nhà đầu tư crypto Pháp có thể bị phạt tới 10.000 euro vì không khai báo ví
