Anthropic、蒸留攻撃への防御を強化——抽出量を最大99%減

Anthropicは、競合他社がClaudeの能力を低コストで模倣しようとする「蒸留攻撃」への新しい防御を公表しました。引き出せる推論データ量が90〜99%減ったとしています。

何が発表されたのか

蒸留（ディスティレーション）は、対象モデルへ大量の問いを投げ、返ってくる出力や推論の過程を集めて、より安価な模倣モデルを学習させる手法です。Anthropicによると、新防御は推論データへのアクセス制限、二段構えの検知システム、違反アカウントの停止で構成されます。閾値は「Claudeが生物兵器の製造を支援するのを防ぐ仕組みと概ね同等の頑健さ」と説明され、誤検知率は0.1%未満だとしています。

なぜ重要か

推論過程（チェーン・オブ・ソート）は、拡張思考型モデルの競争力を支える中核です。ここが大量に持ち出されると、学習の大部分を省略して近似モデルを作れてしまいます。Anthropicは工業規模の蒸留行為に関与したアカウントを大量に停止し、特定の企業による行為を指摘していると報じられています。

開発者が気をつけること

正当な用途でも、大量の入出力を機械的に収集する挙動は防御の対象になりえます。DeepSeek等の他社モデルと組み合わせた評価を行う際は、利用規約の範囲内で、収集量と目的を明確にしておくことが安全です。

編集部の見解

モデルの模倣は、安価な高性能モデルを生む一方で、開発費の回収を難しくします。日本の企業がモデルを選ぶ際には、提供元がこの種の防御をどこまで公表しているかが、長期的な供給の安定性を測る材料になります。Claudeを業務で使う場合は、利用規約に沿った呼び出し量の管理を徹底しておきましょう。Hugging Faceで公開される派生モデルの由来を確認する習慣も、調達時のリスク確認に役立ちます。

my-best.ai 編集部

出典：Anthropic News「Strengthening our defenses against distillation attacks」（2026年10月13日）