OpenAI：挫败针对受保护推理过程的协同模型蒸馏行动

OpenAI 于 9 月 30 日称，已识别并挫败一场旨在提取其模型受保护推理过程的协同行动。最早活动约在 7 月第一周；公司称这属于对抗蒸馏——系统性、未经授权地利用一模型的输出或推理来训练、复现或改进另一模型。受保护推理是模型完成任务时的内部工作记录，一旦被提取，可能泄露对用户可见答案中未展示的信息，并助力复现能力。

公司称攻击者并未破解加密、入侵数据库或直接读取用户对话，而是通过操纵多轮交互，以违反服务条款的规模化方式，让受保护推理以可见形式再现——例如把一段加密推理复制到另一会话，要求模型解密并转录。独立安全研究者亦通过负责任披露报告了相关跨模型与会话压缩路径。7 月 24–25 日出现高峰：逾 4000 用户发起约 1.6 万次相关提取模式请求；关联提示模式活动涉及逾 1.5 万用户，公司称至 7 月 28 日已全面阻断。

OpenAI 将核心活动集群归因于与月之暗面（Moonshot AI / Kimi）有关的个人，并称是否全部为单一主体尚不清楚。应对包括封禁/限制欺诈账户、加强注册与基础设施控制、关闭可重放他人加密推理的路径，并经 Frontier Model Forum 与政府渠道分享情报。公司警告蒸馏可能削弱原模型面向用户输出的安全护栏，并在双用途能力上构成安全与国家安全风险。