Markdown издање

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

# Anthropic тврди да нове Claude одбране смањују извлачење резоновања за 90–99%

> Anthropic наводи да се на његовој платформи извлачи 90–99% мање Claude резоновања од стране наводних дестилатора. Одбране такође мењају интеграцију API-ја и наплату блокираних захтева.

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 каже да су измене Claude-а нагло смањиле количину заштићеног резоновања коју наводни дестилатори модела могу да извуку. У [извештају од 12. октобра о својим одбранама](https://www.anthropic.com/research/distillation-defenses), компанија процењује да је број токена резоновања које су дестилатори добијали на њеној платформи опао 10 до 100 пута након увођења новог класификатора. Мерење се заснива на Anthropic-овом сопственом саобраћају и идентификовању напада; компанија није објавила независну процену укупног смањења.

## Велика промена

- **Шта се променило:** Anthropic сада комбинује контроле које одређују где Claude блок резоновања може поново да се користи, класификатор који блокира покушаје откривања скривеног резоновања и ограничења за налоге који упорно покушавају. Његова интерна процена показује да кроз платформу до идентификованих дестилатора стиже много мање резоновања.
- **Зашто је важно:** Потпуни транскрипти резоновања могу бити користан материјал за обуку којом се копира понашање модела. Ограничење тог извора повећава напор потребан за неовлашћено извлачење, док програмери API-ја морају да чувају део историје разговора и за неке блокиране захтеве могу да плате.
- **Шта пратити:** Трајност смањења зависи од наредних метода нападача и саобраћаја изван Anthropic-ове директне платформе. Anthropic каже да још није уочио веома софистициран и упоран покушај против нових одбрана и очекује да ће наставити да их мења.

## Три контроле циљају различите путеве извлачења

Дестилација модела може да обучава мањи систем одговорима способнијег модела. Anthropic овде брине због неовлашћеног прикупљања потпуног, скривеног Claude резоновања, за које каже да је потенцијалном имитатору корисније од самог текста одговора. Anthropic је раније сажимао резоновање пре приказивања корисницима. У једном тесту програмирања који је спровела компанија, модел обучен на потпуним транскриптима Claude Opus 4.8 постигао је 80,4% на тесту SWE-bench Verified, у поређењу са 71,8% када је обучен на сажетим транскриптима. Експеримент подржава вредност потпунијих трагова у том постављеном тесту; не мери колико је побољшан неки конкретан спољни модел.

Прва нова контрола ограничава премештање блокова резоновања. Anthropic каже да су нападачи покушавали да премештају блокове између разговора, модела и налога како би навели Claude да открије заштићени текст. Код Claude Fable 5.1 и Opus 5.5, „preserved thinking“ везује блок за контекст претходног разговора на новим API налозима. Anthropic такође ограничава који модели могу да читају блокове других модела и везује Sonnet 5.5 резоновање за организацију која га је произвела.

Тренутна [Claude API документација](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) конкретизује последице по интеграцију: API захтев који враћа ранији блок размишљања мора да сачува одговарајући системски упит, алате и претходне поруке. За налоге отворене 31. августа 2026. или касније, провера префикса је подразумевано обавезна. Апликације које преправљају ранији контекст или поново састављају сачувани разговор можда ће морати да промене начин његовог репродуковања. Документација каже да обичне историје којима се само додају поруке не захтевају измену.

Друга Anthropic-ова контрола је двостепени класификатор обучен и тестиран против покушаја извлачења скривеног резоновања. Компанија каже да ради на њеним најспособнијим моделима који су опште доступни, укључујући Sonnet 5.5, Opus 5 и 5.5, као и Fable 5 и 5.1. Компанија наводи да је стопа лажно позитивних резултата за ове заштите испод 0,1%. Каже да је закрпила технике попут тражења ранијег резоновања на другом језику или у излазним ознакама. Објава не даје независни тест те стопе нити доказује да ће сваки будући метод извлачења бити блокиран.

Трећа контрола делује на нивоу налога. Anthropic каже да поновљени покушаји извлачења могу довести до строжих ограничења коришћења или забране налога. Од 24. септембра поново наплаћује и захтеве блокиране пре него што Claude одговори у одређеним категоријама са ниском стопом лажно позитивних резултата, укључујући дестилацију. Зато легитимни корисници могу да наиђу и на погрешну блокаду и на наплату; Anthropic признаје и да је очувано размишљање неке програмере приморало да ажурирају интеграције.

## Шта мери пријављено смањење

Anthropic процењује број Claude токена резоновања које дестилатори извлаче **на његовој сопственој платформи**. Након увођења класификатора, тај број је, како наводи, стално био 10 до 100 пута мањи него раније, а класификатор открива технике описане у септембарском извештају за његове најјаче опште доступне моделе. Процена зависи од способности Anthropic-а да идентификује саобраћај дестилације и сама по себи не може да измери извлачење преко других провајдера или напад који компанија није препознала.

Компанија каже да је забранила десетине хиљада налога повезаних са дестилацијом, често у року од два сата од почетка кампање. Такође наводи да дестилатори усмеравају саобраћај преко независних cloud платформи и других провајдера инференције. Те тврдње чине границу платформе важном: пад броја извучених токена који је Anthropic уочио доказ је промене у саобраћају који може да мери, а не броја свих неовлашћених података за обуку прикупљених од Claude-а свуда.

Anthropic каже да још није уочио веома софистициран и упоран покушај заобилажења тренутних одбрана. Та ограда је важнија од тврдње о успеху која звучи трајно. Компанија је документовала значајно интерно смањење и оперативни приступ заштити резоновања модела; будући резултати зависиће од тога како ће се нападачи прилагодити и да ли ће други приступни путеви откривати исто понашање.

## Извори и додатно читање

- [Anthropic, „Јачање одбране од напада дестилацијом“](https://www.anthropic.com/research/distillation-defenses), 12. октобар 2026. Примарни извештај компаније описује контроле, интерну процену извлачења, тврдњу о лажно позитивним резултатима и компромисе за кориснике. Мерење платформе није независно поновљено за овај чланак.
- [Claude Platform, „Preserved thinking“](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking), приступљено 13. октобра 2026. Тренутна API документација прецизира правила за блокове и префиксе, датуме отварања обухваћених налога и обрасце интеграције које можда треба мењати. Прегледали смо документацију; BIG CHANGE није слао API захтеве.
- [Anthropic, извештај о обавештајним подацима о претњама, септембар 2026.](https://www.anthropic.com/threat-intelligence-report-september-2026), септембар 2026. Ранији извештај компаније даје контекст методама извлачења на које је Anthropic, како каже, одговорио; то је сопствени опис тих кампања.

## Sources

- [Anthropic, Јачање одбране од напада дестилацијом](https://www.anthropic.com/research/distillation-defenses) — Примарни опис компаније о контролама, интерним мерењима и признатим компромисима; процене су приписане компанији, а нису независно проверене.
- [Claude Platform, Preserved thinking](https://platform.claude.com/docs/en/build-with-claude/preserved-thinking) — Тренутна API документација из првог извора о везивању блокова, проверама префикса и изменама интеграције; BIG CHANGE није обавио API захтев.
- [Anthropic, извештај о обавештајним подацима о претњама, септембар 2026.](https://www.anthropic.com/threat-intelligence-report-september-2026) — Ранији опис метода из првог извора; контекст, а не независна потврда октобарских резултата.