AI-translated from English; not yet reviewed by a fluent editor.

# Anthropic menyebut pertahanan baru Claude memangkas ekstraksi penalaran sebesar 90–99%

> Anthropic melaporkan bahwa dugaan pelaku distilasi mengekstrak 90–99% lebih sedikit penalaran Claude di platformnya. Pertahanan ini juga mengubah integrasi API dan penagihan permintaan yang diblokir.

By BIG CHANGE Editorial

Published: 2026-10-13T08:42:18.603Z
Updated: 2026-10-13T08:42:18.603Z
Canonical: https://bigchange.ai/blog/anthropic-claude-distillation-defenses-reasoning

![Conceptual charcoal illustration of an unbranded desktop monitor seen from the side with a dark privacy filter attached over its blank screen.](https://bigchange.ai/api/media/file/anthropic-preserved-reasoning-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE. No Anthropic device, software interface, attack or test result is depicted.

Anthropic mengatakan perubahan pada Claude telah memangkas tajam jumlah penalaran terlindungi yang dapat diekstrak oleh pihak yang diduga mendistilasi model. Dalam [uraian pertahanannya pada 12 Oktober](https://www.anthropic.com/research/distillation-defenses), perusahaan memperkirakan token penalaran yang diperoleh para pelaku distilasi di platformnya sendiri turun 10 hingga 100 kali setelah classifier baru diperkenalkan. Pengukuran ini berasal dari lalu lintas dan identifikasi serangan Anthropic sendiri; perusahaan belum menerbitkan evaluasi independen atas penurunan keseluruhan.

## Perubahan besar

- **Apa yang berubah:** Anthropic kini menggabungkan kontrol tentang tempat blok penalaran Claude dapat digunakan kembali, classifier yang memblokir upaya membuka penalaran tersembunyi, dan batas bagi akun yang terus mencoba. Perkiraan internalnya menunjukkan jauh lebih sedikit penalaran yang mencapai pelaku distilasi yang teridentifikasi melalui platformnya.
- **Mengapa ini penting:** Transkrip penalaran lengkap dapat menjadi bahan pelatihan yang berguna untuk meniru perilaku model. Membatasi sumber tersebut menambah upaya yang diperlukan untuk ekstraksi tanpa izin, sementara pengembang API harus mempertahankan sebagian riwayat percakapan dan mungkin membayar beberapa permintaan yang diblokir.
- **Yang perlu dipantau:** Ketahanan penurunan ini bergantung pada metode penyerang berikutnya dan lalu lintas di luar platform langsung Anthropic. Anthropic mengatakan belum melihat upaya yang sangat canggih dan berkelanjutan terhadap pertahanan baru ini, dan berencana terus mengubahnya.

## Tiga kontrol menyasar jalur ekstraksi yang berbeda

Distilasi model dapat melatih sistem yang lebih kecil menggunakan jawaban dari model yang lebih mumpuni. Kekhawatiran Anthropic di sini adalah pengumpulan tanpa izin atas penalaran Claude yang lengkap dan tersembunyi, yang menurutnya lebih berguna bagi calon peniru daripada teks jawaban saja. Sebelumnya, Anthropic merangkum penalaran sebelum menampilkannya kepada pengguna. Dalam satu uji pemrograman yang dijalankan perusahaan, model yang dilatih dengan transkrip lengkap Claude Opus 4.8 memperoleh skor 80,4% pada SWE-bench Verified, dibandingkan 71,8% saat dilatih dengan transkrip ringkasan. Eksperimen itu mendukung nilai jejak yang lebih lengkap dalam konfigurasi tersebut; eksperimen itu tidak mengukur peningkatan model eksternal tertentu.

Kontrol baru pertama membatasi perpindahan blok penalaran. Anthropic mengatakan penyerang mencoba memindahkan blok di antara percakapan, model, dan akun agar Claude mengungkap teks yang dilindungi. Pada Claude Fable 5.1 dan Opus 5.5, “preserved thinking” mengikat blok ke konteks percakapan sebelumnya untuk akun API baru. Anthropic juga membatasi model mana yang dapat membaca blok dari model lain serta mengikat penalaran Sonnet 5.5 ke organisasi yang membuatnya.

Dokumentasi [API Claude terkini](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) memperjelas dampaknya terhadap integrasi: permintaan API yang mengembalikan blok pemikiran sebelumnya harus mempertahankan prompt sistem, alat, dan pesan terdahulu yang relevan. Untuk akun yang dibuat pada atau setelah 31 Agustus 2026, pemeriksaan prefiks diterapkan secara default. Aplikasi yang menulis ulang konteks sebelumnya atau menyusun ulang percakapan tersimpan mungkin perlu mengubah cara memutarnya kembali. Dokumentasi mengatakan riwayat biasa yang hanya ditambahi pesan tidak perlu diubah.

Kontrol kedua Anthropic adalah classifier dua tahap yang dilatih dan diuji terhadap upaya mengekstrak penalaran tersembunyi. Menurut perusahaan, classifier ini berjalan pada modelnya yang paling mumpuni dan tersedia secara umum, termasuk Sonnet 5.5, Opus 5 dan 5.5, serta Fable 5 dan 5.1. Anthropic melaporkan tingkat positif palsu di bawah 0,1% untuk perlindungan ini. Perusahaan mengatakan telah menambal teknik seperti meminta penalaran sebelumnya dalam bahasa lain atau di dalam tag keluaran. Tulisan itu tidak menyediakan pengujian independen atas tingkat tersebut dan tidak membuktikan semua metode ekstraksi di masa depan akan diblokir.

Kontrol ketiga bekerja pada tingkat akun. Anthropic mengatakan upaya ekstraksi berulang dapat memicu batas penggunaan yang lebih ketat atau pemblokiran. Sejak 24 September, perusahaan juga kembali mengenakan biaya untuk permintaan yang diblokir sebelum Claude merespons dalam kategori tertentu dengan tingkat positif palsu rendah, termasuk distilasi. Karena itu, pengguna yang sah dapat mengalami pemblokiran keliru sekaligus tagihan; Anthropic juga mengakui bahwa preserved thinking membuat sebagian pengembang harus memperbarui integrasi.

## Apa yang diukur oleh penurunan yang dilaporkan

Anthropic memperkirakan jumlah token penalaran Claude yang diekstrak pelaku distilasi **di platformnya sendiri**. Setelah classifier diperkenalkan, jumlah itu secara konsisten 10 hingga 100 kali lebih rendah daripada sebelumnya, dan classifier menangkap teknik yang dijelaskan dalam laporan September terhadap modelnya yang paling kuat dan tersedia umum, kata perusahaan. Perkiraan ini bergantung pada kemampuan Anthropic mengidentifikasi lalu lintas distilasi dan tidak dapat mengukur sendiri ekstraksi melalui penyedia lain atau metode serangan yang belum dikenali.

Perusahaan mengatakan telah memblokir puluhan ribu akun yang terkait dengan distilasi, sering kali dalam dua jam sejak kampanye dimulai. Perusahaan juga mengatakan pelaku distilasi mengarahkan lalu lintas melalui platform cloud pihak ketiga dan penyedia inferensi lain. Klaim tersebut membuat batas platform menjadi penting: penurunan token yang diekstrak dan diamati Anthropic membuktikan perubahan pada lalu lintas yang dapat diukurnya, bukan jumlah seluruh data pelatihan tanpa izin yang dikumpulkan dari Claude di mana pun.

Anthropic mengatakan belum mengamati upaya yang sangat canggih dan berkelanjutan untuk mengakali pertahanan saat ini. Catatan itu lebih penting daripada klaim keberhasilan yang terdengar permanen. Perusahaan telah mendokumentasikan penurunan internal yang substansial dan pendekatan operasional untuk melindungi penalaran model; hasil selanjutnya bergantung pada adaptasi penyerang dan kemampuan jalur akses lain mendeteksi perilaku yang sama.

## Sumber dan bacaan lebih lanjut

- [Anthropic, “Memperkuat pertahanan kami terhadap serangan distilasi”](https://www.anthropic.com/research/distillation-defenses), 12 Oktober 2026. Uraian utama perusahaan menjelaskan kontrol, perkiraan ekstraksi internal, klaim tingkat positif palsu, serta kompromi bagi pengguna. Pengukuran platform ini belum direplikasi secara independen untuk artikel ini.
- [Claude Platform, “Preserved thinking”](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking), diakses 13 Oktober 2026. Dokumentasi API terkini menetapkan aturan blok dan prefiks, tanggal akun yang terdampak, serta pola integrasi yang mungkin perlu diubah. Kami meninjau dokumentasi; BIG CHANGE tidak mengirim permintaan API.
- [Anthropic, laporan intelijen ancaman September 2026](https://www.anthropic.com/threat-intelligence-report-september-2026), September 2026. Laporan perusahaan sebelumnya memberi konteks tentang metode ekstraksi yang menurut Anthropic menjadi sasaran responsnya; ini adalah uraian perusahaan sendiri mengenai kampanye tersebut.

## Sources

- [Anthropic, Memperkuat pertahanan kami terhadap serangan distilasi](https://www.anthropic.com/research/distillation-defenses) — Uraian utama perusahaan tentang kontrol, pengukuran internal, dan kompromi yang diakui; perkiraan diatribusikan kepada perusahaan, bukan diverifikasi secara independen.
- [Claude Platform, Preserved thinking](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) — Dokumentasi API pihak pertama terkini tentang pengikatan blok, pemeriksaan prefiks, dan perubahan integrasi; BIG CHANGE tidak melakukan permintaan API.
- [Anthropic, laporan intelijen ancaman September 2026](https://www.anthropic.com/threat-intelligence-report-september-2026) — Uraian pihak pertama sebelumnya tentang metode; sebagai latar belakang, bukan penguat independen atas hasil Oktober.