12 октября Anthropic представила новую систему защиты Claude от атак дистилляции. По ранней оценке компании, после её внедрения злоумышленники стали собирать на 90–99% меньше данных.
При дистилляции организаторы атаки получают миллионы ответов мощной модели и обучают на них другую систему, чтобы воспроизвести её возможности. Наиболее ценны записи рассуждений, показывающие не только ответ, но и путь к нему. Для массового сбора атакующие используют прокси-сети с сотнями тысяч поддельных аккаунтов и перебирают запросы, способные раскрыть скрытые рассуждения Claude.
Новая защита работает на трёх уровнях. В Claude Fable 5.1 и Opus 5.5 API-аккаунты, созданные с 31 августа 2026 года, больше не могут изменять предыдущий контекст модели. Это мешает переносить защищённые рассуждения между запросами и аккаунтами. Двухэтапный классификатор распознаёт попытки извлечения рассуждений, а повторные нарушения приводят к ограничениям и блокировкам. С 24 сентября Anthropic также снова взимает плату за запросы, остановленные такими фильтрами до ответа Claude.
Компания утверждает, что классификатор выявляет все способы дистилляции, описанные ею в сентябре, а число извлечённых токенов рассуждений снизилось в 10–100 раз. Система применяется к наиболее мощным общедоступным моделям Claude. Anthropic заблокировала десятки тысяч связанных с атаками аккаунтов, иногда менее чем через два часа после начала кампании.
Это внутренняя оценка Anthropic: компания не раскрыла абсолютное число извлечённых токенов, размер выборки и полную методику. Она также ещё не наблюдала длительной попытки обхода со стороны особенно настойчивого и технически подготовленного атакующего. Заявленная доля ложных срабатываний составляет менее 0,1%.
Что это значит
- Пользовательской функции у Claude не появилось: изменения действуют на стороне Anthropic и ограничивают массовое извлечение рассуждений.
- API-клиентам нужно проверить интеграции: запрет на изменение предыдущего контекста уже потребовал обновлений от части разработчиков.
- Заблокированный запрос может быть платным: Anthropic взимает плату в сценариях, где заявленная доля ложных срабатываний ниже 0,1%.
- В России Claude и его API напрямую не поддерживаются: актуальный перечень доступных регионов опубликован на сайте Anthropic.