Anthropic, Claude’un muhakeme izlerini damıtma saldırılarına karşı sıkılaştırdı
İki aşamalı sınıflandırıcı ve korunmuş düşünme kontrolleri, Anthropic ölçümüne göre saldırganların çıkardığı muhakeme verisini yüzde 90–99 azalttı.
BİR BAKIŞTA
Haberin özeti
- Çıkarılan muhakeme miktarı sağlayıcı ölçümünde 10–100 kat düştü
- İki aşamalı sınıflandırıcı genel kullanımdaki güçlü modellere uygulanıyor
- Ölçülen yanlış pozitif oranı yüzde 0,1’in altında
- Anthropic kazanımların kalıcı olmayabileceğini belirtiyor
Neler değişiyor?
Anthropic, 12 Ekim’de Claude modellerini izinsiz damıtmaya karşı kullandığı yeni savunmaları açıkladı. Damıtma saldırıları, çok sayıda sahte hesap üzerinden model yanıtlarını toplayıp başka bir sistemi daha düşük maliyetle eğitmeyi hedefliyor.
Yeni yaklaşım; muhakemenin konuşmalar, hesaplar ve daha zayıf modeller arasında taşınmasını sınırlandırıyor, iki aşamalı bir sınıflandırıcıyla çıkarma girişimlerini engelliyor ve tekrarlayan hesapları kısıtlıyor. Anthropic, sınıflandırıcının yanlış pozitif oranını yüzde 0,1’in altında ölçtüğünü belirtiyor.
Şirketin kendi platform verisine göre saldırganların çıkarabildiği muhakeme tokenları 10 ila 100 kat düştü. Ancak Anthropic bunun erken kanıt olduğunu, kalıcı başarı garantisi vermediğini ve korunmuş düşünmenin bazı geliştiricilerden entegrasyon değişikliği istediğini açıkça söylüyor.
Asıl kaynaklara göz at
Kaynak tarihi: 12 Ekim 2026.
AI Radar yayın saati: 14 Eki 2026 03:03 (Türkiye).
KONUYU TAKİP ET
Konular ve etiketler
Keşfini paylaş.
Bu haberi bir arkadaşına gönder.
Okuyucu yorumları
Bu gelişme hakkında ne düşünüyorsun? Deneyimini veya sorunu paylaş. Yorumlar editör onayından sonra yayımlanır.
Adın/takma adın ve yorumun onaylanırsa herkese açık görünür. Veri işleme hakkında: Gizlilik bilgilendirmesi.
Yorumlar yükleniyor…