テクノロジー · ニュース解説
Anthropic、新たな蒸留対策で抽出される推論が90〜99%減少と発表
同社は複数の対策で抽出された推論トークンが10分の1〜100分の1になったとする一方、推論保持ルール、誤検知、課金には実装上の負担が残る。
Anthropicは、推論保持、抽出分類器、アカウント措置を組み合わせることで、モデル蒸留を疑われる利用者がClaudeから収集した推論量が約90〜99%減ったとしている。この数字は同社の初期推定であり、独立監査ではない。
開発者にとって重要なのは、減少率と運用上の負担を分けることだ。一部の連携では推論ブロックを変更せず保持する必要があり、限定された種類のブロック済み要求には課金が発生し得る。同社は正常な要求の誤検知率を0.1%未満としている。
90〜99%は社内推定
Anthropicの技術記事全文は、蒸留者が取得したデータが90〜99%減ったという初期証拠を示す。新しい対策の前後で、自社基盤上に露出した推論トークン数を比べたものだ。Reutersも同じ推定と10〜100分の1という幅を報じた。外部による再現は説明されておらず、一般的な基準ではなく企業測定として読む必要がある。
三層が異なる攻撃段階を狙う
第1層は保護された推論を移動・編集できる範囲を制限する。第2層は抽出の試みで訓練とレッドチーム検証を受けた二段階分類器だ。第3層は厳しい制限、狭い対象での課金、アカウント停止によって反復の費用を上げる。Anthropicは一般提供中の最上位モデルで分類器を使い、疑わしい蒸留活動に関連する数万件のアカウントを停止したとしている。
正当な開発にも負担がある
推論保持の変更により、過去の推論文脈を編集・移動する処理では連携更新が必要になった。Anthropicは誤検知率を0.1%未満とするが、正常な要求が止められる可能性も認める。9月24日からは、低い誤検知率を報告する特定分類でブロック済み要求への課金を再開した。Claude API利用者は、記事をそのまま設定手順とせず最新文書を確認すべきだ。
問題の解決を宣言したわけではない
Anthropicは攻撃側も適応し、極めて高度で継続的な試みが新たな回避策を見つける可能性を認める。報告された減少は自社基盤で観測した抽出に限られ、他社やオフライン学習全体を示さない。重要なのは多層設計と測定上の限界であり、不正な蒸留の終結を約束するものではない。
