AI最前沿 88Z.ai 11 月 21 日消息,OpenAI 披露了对抗性蒸馏的安全风险及最新防御成果。通过强化对受保护思维链的保护,GPT-6.2 Astra 的推理提取攻击成功率从 54.0% 大幅降至 0.2%。公司呼吁行业加强请求级与活动级双重防御,并支持相关立法以遏制非法能力提取。
消息要点
- GPT-6.2 通过强化防御使推理提取攻击成功率从 54.0% 降至 0.2%
- 精确推理轨迹比摘要更易转移网络攻击能力,需重点保护
- 建议行业采用请求级与活动级双重防御,并支持相关立法制裁

技术突破与风险评估
OpenAI 指出,对抗性蒸馏允许恶意行为者在未继承原始模型安全措施的情况下复制前沿能力,尤其在网络安全和生物领域构成双重用途风险。内部测试显示,经过强化的
行业建议与政策立场
为应对这一威胁,OpenAI 采用了结合对抗性训练、分类器检查及 API 层级保护的综合防御体系,并在活动层面监测协调性的提取企图。公司建议其他开发者保护完整的交互推理过程,将成功的攻击案例作为回归测试,并结合请求级缓解措施与活动级调查。此外,OpenAI 向国会简报了涉及 DeepSeek 和 Moonshot AI 的蒸馏活动,并支持《芯片安全法案》等立法,主张通过出口控制和法律制裁限制外国行为者非法获取美国 AI 模型能力。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。
- OpenAI原始资料发布于
以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。