OpenAI 公布反蒸馏防护进展:GPT-6.2 Astra 思考链提取成功率从 54% 降至 0.2%
昨天
OpenAI 发布针对对抗性蒸馏的防御措施,加强 GPT-6.2 Astra 和 GPT-6.2 Sol 的内部推理思考链保护,降低其他模型提取推理过程获取其能力的风险。经内部测试,新旧版本模型的推理内容提取成功率均大幅降至 1% 左右。防护采用对抗训练识别拦截提取请求、分类器检测泄露、API 限制推理内容复用等多层措施,同时关联推理内容与对应对话历史,旧版低安全模型无法读取新模型的受保护推理内容。今年以来 OpenAI 每周处置数千到数万个涉及未经授权蒸馏的账号,夏季以来处置规模明显提升,还会调查大规模提取的账号网络,与其他厂商共享攻击指标。其研究显示,用教师模型完整推理轨迹微调的学生模型,网络安全能力迁移效果更好。
OpenAI 公布反蒸馏防护进展:GPT-6.2 Astra 思考链提取成功率从 54% 降至 0.2%
maomu.com / IT 之家
OpenAI 加强推理链保护以应对对抗性蒸馏风险
ITBear 科技资讯
OpenAI 为两款模型加装防护,蒸馏攻击提取率明显降低
ITBear 科技资讯
2026-11-17
因安全对齐问题,OpenAI GPT-6.2 等多代模型延期发布2026-11-09
传 OpenAI GPT-6.2 新模型因安全原因推迟发布2026-09-04
OpenAI 发布 GPT-6 Astra 模型2026-05-08
OpenAI 推出新模型,以供网络安全团队使用2025-10-30
OpenAI 发布全新安全推理模型 gpt-oss-safeguard2024-08-21
OpenAI 将向企业开放 GPT-4o 模型定制版体验专业版特色功能,拓展更丰富、更全面的相关内容。