Anthropic 称 Fable 5.1 与 Opus 5.5 的 preserved thinking 等措施将蒸馏攻击数据窃取降低约 90%–99%

Anthropic 表示，近几个月通过新方法在降低针对 Claude 的蒸馏攻击有效性方面取得实质进展，其中 Fable 5.1 和 Opus 5.5 采用的 preserved thinking 等措施，使蒸馏攻击造成的数据窃取减少约 90% 至 99%。该数据来自 Anthropic 官方博客，具体评测方法未在摘要中说明。

AI推荐理由 Anthropic 官方博客称，通过 Fable 5.1 和 Opus 5.5 中的 preserved thinking 等新措施，将蒸馏攻击导致的数据窃取效果降低了约 90% 至 99%。这是来自模型厂商的一手技术声明，涉及模型防蒸馏这一实际安全问题，但摘要未给出评测方法、攻击类型和可复现细节，90%–99% 为公司自述口径。