Anthropic a développé de nouvelles défenses qui réduisent de 90 à 99 % les données extraites de Claude par attaques de distillation. L’entreprise a identifié près de 200 millions d’échanges liés à la distillation, répartis entre cinq campagnes distinctes. La plus importante, attribuée à Qwen d’Alibaba, représente plus de 151 millions d’échanges entre mai et juillet 2026. Ces défenses comprennent des classificateurs d’extraction renforcés, des fonctionnalités de résumé et une innovation appelée « preserved thinking » introduite avec Fable 5.1, qui empêche la manipulation du contexte de raisonnement chiffré. OpenAI fait face au même problème et a publié un rapport en septembre 2026 détaillant des techniques similaires, tandis que des questions subsistent sur le transfert des garde-fous de sécurité vers les copies distillées.
Source: Lire l’article original
