Anthropic otti käyttöön uusia suojauksia – vähentäneet ”tislaushyökkäyksiä” jopa 99 prosenttia

Tekoäly-yhtiö Anthropic kertoo vahvistaneensa Claude-malliensa suojausta distillation- eli niin sanottuja tislaushyökkäyksiä vastaan.

Anthropicin mukaan uudet menetelmät ovat osoittautuneet toistaiseksi tehokkaiksi ja vähentäneet hyökkääjien onnistuneesti keräämän aineiston määrää noin 90–99 prosenttia.

Tekoälyalalla yleisessä tislaamisessa tekoälymallin kykyjä pyritään kopioimaan tavallisesti halvempaan tai pienempään malliin keräämällä suuria määriä vastauksia ja erityisesti päättelyjälkiä. Anthropic kuvaa tällaisia kampanjoita teollisen mittakaavan toiminnaksi, jossa käytetään usein suuria määriä vilpillisiä käyttäjätilejä.

Tislaaminen on keskeinen keino kyvykkäiden pienempien mallien luomiseen suuremmista, mutta ongelmat koskettavat tilausta, jossa tavoitteena on kouluttaa omaa mallia toisen tahon mallin pohjalta pyrkien käyttämään tätä oikotienä uuden mallin luomiseen pienemmin kustannuksin.

Anthropic on kuluvan vuoden aikana useampaan otteeseen syyttänyt erityisesti kiinalaisyhtiöitä tekoälynsä kopiointiyrityksistä tislaushyökkäyksillä.

Anthropicin mukaan arvokkainta aineistoa tislaajille eivät ole pelkät lopulliset vastaukset, vaan mallin yksityiskohtaiset päättelyjäljet. Tästä syystä Anthropic on rakentanut suojaustaan ennen kaikkea sen ympärille, ettei Clauden päättelyä saada kaivettua ulos kopioitavaksi suurissa määrissä.

Anthropic kertoo ottaneensa käyttöön useita uusia teknisiä suojauksia.

Claude Fable 5.1:ssä ja Claude Opus 5.5:ssä uusi preserved thinking -mekanismi estää 31. elokuuta 2026 tai sen jälkeen luotuja uusia API-tilejä muokkaamasta Clauden aiempaa kontekstia. Samalla Anthropic on estänyt uudempien mallien päättelyjälkien lukemisen vanhemmilla malleilla, joiden suojaukset ovat heikompia. Claude Sonnet 5.5:ssä päättelyjäljet ovat lisäksi nähtävissä vain sille organisaatiolle, jonka pyyntö tuotti ne.

Tavoitteena on estää tilanteet, joissa hyökkääjät siirtävät suojattuja päättelyjälkiä keskustelusta, mallista tai käyttäjätililtä toiselle.

Toinen keskeinen suoja on Anthropicin rakentama kaksivaiheinen luokitusjärjestelmä, joka tunnistaa pyyntöjä, joissa mallia yritetään saada paljastamaan suojattua päättelyään. Ratkaisua käytetään tällä hetkellä Claude Sonnet 5.5-, Claude Opus 5- ja 5.5- sekä Claude Fable 5- ja 5.1 -malleissa.

Anthropic kertoo myös kiristäneensä tilikohtaista valvontaa. Käyttäjät, jotka yrittävät toistuvasti saada mallia paljastamaan suojattua päättelyä, voivat saada tiukempia käyttörajoituksia, ja jatkuviin tislausyrityksiin yhdistettyjä tilejä suljetaan. Anthropicin mukaan se on näiden menetelmien avulla sulkenut kymmeniä tuhansia tilejä, usein alle kahdessa tunnissa siitä, kun hyväksikäyttöyritykset ovat alkaneet.

Anthropicin seurannan mukaan onnistuneesti ulos saatujen päättelytokenien määrä on uusien suojausten käyttöönoton jälkeen laskenut 90-99 prosenttia aiemmasta.

Anthropic kuitenkin myöntää, ettei tiedossa ole, kuinka pysyviä tulokset ovat. Se odottaa tislaamisen jatkuvan, kun vastapuoli keksii uusia tapoja kiertää suojauksia.

Uusilla suojamekanismeilla on myös sivuvaikutuksia, ja ne ovat voineet johtaa muutostarpeisiin osalla tekoälymalleja hyödyntäneistä kehittäjistä.

Mainos: Noin 1 600 000 tuotteen hintavertailu ja hintaseuranta - katso Hinta.fistä mistä saat halvimmalla