OpenAI推反蒸馏新规:每周封数万账号,还呼吁美国国会立法
他们发现,「偷师者」往往会通过海量账号矩阵、分布式请求,来拼凑模型的底层逻辑。

新智元报道

OpenAI这次把话挑明了。
今天凌晨,它发布一份名为《打击对抗性蒸馏》的报告。

报告看着像技术分享,读下来更像一封宣战书。
OpenAI没有遮掩:今年夏天以来,为了对付白嫖的账号,一周封掉的号最多有几万个,有时干脆按整个网络连锅端。
这家公司现在已经喊话美国国会,要求出台法案、收紧出口管制。
报告里还把自己的家底摊开讲了——系统到底怎么认出、怎么拆掉那些协同蒸馏攻击。
接下来,OpenAI的封号潮还会来一大波,先有个准备。

每周数万个账号灰飞烟灭。这一次,OpenAI 动真格了。
OpenAI自己交代:今年以来,ChatGPT搞过好几轮大规模封号。
按他们的说法,「偷师者」的路数是拿海量账号矩阵加上分布式请求,一点点把模型的底层逻辑拼出来。
对这种事OpenAI下手不留情,一旦抓到,整个账号网络一起处理。
这类「协同作案」的账号群,每周被封的少则几千,多则几万。
到了今年夏天,封号率涨得尤其明显。
他们想要的效果,是让偷师的人拿到的东西更少、付出的成本更高、动作更慢。
有两个词得留意:「整个账号网络」和「数万个账号」。
换句话说,账号矩阵里只要有一个节点露了,跟它关联的其他账号也会被「连坐」,数据全部化为乌有。

OpenAI的说法是,蒸馏这件事大家心照不宣、处在灰色地带,但它远不只是侵权,还会带来严重的安全危机。
原因在于,蒸馏把模型强大的能力抄走的同时,OpenAI花大钱打造的安全护栏却留不下来。
带着护栏的模型,绝不会帮着写木马病毒、给出生化武器配方。
可一旦被蒸馏进没有底线的开源模型,它就成了黑客和恐怖分子手里的武器。
也正因为这样,OpenAI才搞了那场残酷的大清洗。
内部测试里,OpenAI 放出了 6 个 AI 攻击模型。
它们轮番上各种刁钻的黑盒攻击,从防御系统嘴里「套话」。
防守的一方也得自己分辨:眼前这个提问,是用户正常发问,还是想白白套走我的解题思路?GPT-6.2 系列这类模型要做的判断就在这里。

思维链这块核心机密,必须死死守住。现在去调用 OpenAI 的 API,能看到的只有它愿意给你看的摘要。
偷师的人最惦记的正是 CoT。这些没经过修饰的原始思维链里,装着最终答案里没写出来的高阶逻辑和泛化能力,算得上最值钱的家底。可眼下,真正的 CoT 已经被 OpenAI 藏了起来。
为了把这件事说清楚,OpenAI 设计了一组对照实验:同一个「学生模型」的基础底座,喂两种不同的数据。A 组学的是原始、完整的「精确推理痕迹」;B 组学的则是用户在前端平时能看到的「推理摘要」再加上最终答案。
结果果然不出所料。经过包含 Astra 级别教师模型轨迹的监督微调(SFT)之后,学原始思维链的 A 组在网络安全基准测试上的得分普遍压过了 B 组。


接下来两组模型再各跑一轮轻量级强化学习,给到最大推理算力预算时,A 组依旧领先;只有在算力预算偏小的情况下,B 组才勉强反超。实验说明,精确的推理痕迹能让学生模型学会「举一反三」。
哪怕提取出来的数据只用在合规的防御性任务上,学生模型也能从中琢磨出适用于攻击性任务的通用技能。说到底,前沿模型的底牌,就是它解题时「脑海中的一念」。
OpenAI 无论如何都要给这东西上锁。

OpenAI 布下的反蒸馏防线一共四层。它具体怎么做的?报告里第一次公开了这套「反蒸馏之术」:对抗性测试、模型训练、分类器和 API 级别保护拼在一起,构成四层网络,OpenAI 为此对架构做了深度改造。

第一层,从模型训练的底层「防偷师」。OpenAI 借助对抗性训练,让模型自己学会辨认哪些请求是在试图「提取推理过程」;一旦认定请求恶意,模型会直接拒绝披露 CoT。
不过,正常用户的请求它照样能准确区分出来。
它凭什么能分得这么准?训练数据来自两处:内部红蓝对抗,以及外部安全研究人员提交的攻击日志。
OpenAI 还架了一道「输出分类器」,手段相当强硬。
工具调用这块同样被盯上了。模型有时会把推理过程悄悄塞进工具调用的参数里,最终答案里却不露痕迹。输出分类器能直接把这些内容拦下来。
第三层是 API 级封锁,对开发者生态来说,这一招最狠。
最新发布的 GPT-6.2 Astra 和 GPT-6.2 Sol 里,OpenAI 把模型的推理过程跟产生它的「对话历史」硬绑在一起。想改动前面某句提示词、看看模型思路怎么变?API 会直接把后面所有推理过程作废。
靠微调上下文一点点挤信息的玩法,到这里就走不通了。
第四层是跨模型、跨会话隔离。说白了,防护弱的老模型被明令禁止读取新模型的推理记录。
9 月份 OpenAI 还补上了一个大洞:此前黑客会把一段加密的思维链硬搬进另一个新对话,诱使模型自己把加密内容「念出来」,甚至能暴露他人的加密推理。如今这条路同样被封死。
他们拿 6 个 AI 模型轮番发起攻击,结果相当扎眼。
模拟真实生产环境的测试里,攻击模型尝试套取「上一轮对话」的受保护推理时,旧防线下的 GPT-6 Astra 平均被攻破成功率达到 54.0%。
换成更新了防线的 GPT-6.2 Astra,这个数字被压到 0.2%。
套取「本轮对话」受保护推理的成功率,则从 22.9% 降到 0.9%。
眼下 GPT-6.2 Sol 已全量上线这套防护,旧版 GPT-6 Astra 也在紧急打补丁。

对抓到的攻击手法,OpenAI 会把它做成回归测试,再喂回模型训练。
他们甚至打算把这套做法分享给其他公司,拉上全行业一起封杀。
事情还没到头。OpenAI 已经放话:「很快,我们会分享出更多破坏行动的细节。」
照这个架势,名单上恐怕还会再添几家公司。
另一边,OpenAI 把矛头指向政策层面,公开表态全力支持美国政府的三大法案:
《芯片安全法案》
《人工智能监管法案》
《MATCH法案》
用意有两层。一层是借硬件出口管制,卡住对手拿到前沿模型所需芯片的渠道。
另一层是靠「反蒸馏防御」,让对手没法调用现成模型来「偷师」。
说到底,剩下的路只能从底层算法和原创创新上自己蹚出来。