開発・企業向け
蒸留攻撃への防御を強化
原題: Strengthening our defenses against distillation attacks
推論の移動と抽出を制限
Anthropicは2026年10月12日、Claudeの推論過程を不正に収集する蒸留攻撃への防御策を公表しました。
蒸留側は、Claudeの完全な推論記録を別の会話、モデル、アカウントへ移して保護を回避しようとしていたと説明しています。
Claude Fable 5.1とClaude Opus 5.5では、2026年8月31日以降に作成されたAPIアカウントがClaudeの過去コンテキストを編集できない「preserved thinking」を導入しました。
両モデルの推論を対策の弱い旧モデルから読めないようにし、Claude Sonnet 5.5では推論記録を生成元の組織だけが参照できるようにしました。
Claude Sonnet 5.5、Claude Opus 5と5.5、Claude Fable 5と5.1には、推論抽出を検出する2段階の分類器を適用しています。
遮断リクエストも条件付きで課金
Anthropicは分類器の誤検知率を0.1%未満と説明し、通常利用のリクエストが誤って遮断される可能性も明記しました。
推論抽出を繰り返す利用者には厳しい利用上限を適用し、継続的な試行を検出したアカウントは停止します。
2026年9月24日から、蒸留など誤検知率が0.1%未満の領域では、Claudeが応答する前に防御策で遮断されたリクエストにも再び料金を請求しています。
Anthropicによると、対策後に蒸留側が取得した推論トークンは従来の10分の1から100分の1以下となり、数万件の関連アカウントを停止しました。
これらはAnthropic自身の測定であり、高度で継続的な回避試行への有効性はまだ確認できておらず、正規利用者にも統合変更、誤遮断、遮断分の課金という影響があります。