OpenAI 披露了什么
2026 年 9 月 30 日,OpenAI 表示已发现并瓦解一场 有组织地提取其模型"受保护推理"的行动。受保护推理是模型完成任务时的内部记录,不会出现在最终回答中。未经授权利用一个模型的输出或推理来训练或改进另一个模型,被称为 对抗性蒸馏。
并非传统入侵
据 OpenAI 称,操作者 没有破解加密、没有入侵数据库,也没有访问用户对话。他们通过操纵与模型的交互,使受保护推理以可见形式被大规模复现,违反了服务条款。
其中一种手法是:复制某个对话中的加密推理,再在另一个对话中要求模型解密并转写。独立研究人员也报告了涉及跨模型和对话压缩的相关漏洞,OpenAI 确认属实。
时间线与规模
- 7 月 1 日: 活动开始,频率较低。
- 7 月 24–25 日: 来自 4000 多名用户 的 1.6 万次请求 使用了提取模式,出现高峰。
- 进一步调查将该模式关联到 1.5 万多名用户 的群组,于 7 月 28 日 前全部瓦解。
OpenAI 强调这些数字是 尝试次数,并不一定都成功。
归因
OpenAI 表示不确定所有操作者是否来自同一方,但 将核心活动归因于与 Kimi 开发商 Moonshot AI 相关的人员。这是 OpenAI 的评估;截至本文撰写时,我们未找到 Moonshot 的公开回应。
OpenAI 的应对
- 封禁或限制欺诈账户,加强注册和基础设施管控;
- 关闭可"重放"他人加密推理并还原内容的途径;
- 增加检测并拦截可能暴露推理的流式输出的检查;
- 与活动途经的第三方服务商合作;
- 通过 Frontier Model Forum 和政府渠道共享信息。
为何重要
OpenAI 认为,被提取的推理可能在 不保留原模型安全措施 的情况下用于训练其他模型。Anthropic 也在 Opus 5.5 中加入了反蒸馏措施"preserved thinking",这是全行业的问题。
对企业的意义
- 使用 AI API 时,预计会有 更多账户验证及推理、上下文方面的限制。
- 在账户或服务商之间传递推理数据的集成可能失效。
- 选择模型时,除了价格,也要考虑 来源与安全措施。
来源
- OpenAI(2026 年 9 月 30 日):https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign/
- Anthropic,Claude Opus 5.5:https://www.anthropic.com/claude-opus-5-5
想安全、合规地在企业中使用 AI 吗?KGA IT 提供免费咨询:kga-it.com