OpenAI发布对抗性蒸馏防御措施,推理链提取成功率大幅下降

11月20日,OpenAI宣布升级GPT-6.2 Astra与Sol模型的安全机制,以抵御对抗性蒸馏攻击。该攻击指未经授权利用前沿模型输出训练竞品模型,导致高风险能力绕过安全限制扩散。OpenAI通过对抗性训练、输入/输出分类器及API会话隔离等多层防护,将历史请求推理提取成功率从54.0%降至0.2%,当前请求提取率从22.9%降至0.9%(基于6个攻击模型测试)。公司今年以来持续开展执法,每周封禁数千至数万个涉蒸馏违规账号,并协同行业共享攻击指标。

免责声明:本文内容由开放的智能模型自动生成,仅供参考。

最新文章
Copyright © DoNews 2000-2026 All Rights Reserved
京ICP备2025120072号