Anthropic تعلن خفض سرقة رموز الاستدلال في Claude بنسبة 90–99%

أعلنت Anthropic أنها خفّضت استخراج رموز الاستدلال الداخلية في Claude بنسبة 90–99%. وتربط الشركة هجمات التقطير واسعة النطاق بشركتي Zhipu وMoonshot الصينيتين، وتفيد بأنها حظرت عشرات الآلاف من الحسابات. ولا تستند الأرقام حتى الآن إلا إلى كلام Anthropic نفسها؛ فالمادة المتاحة لنا لا تتضمن نقطة مرجعية أساسية ولا وصفًا لمنهجية الاحتساب.

ما الذي حاولوا استخراجه تحديدًا

التقطير تقنية قديمة ومشروعة من حيث المبدأ: يُدرَّب نموذج صغير، أو مجرد نموذج مختلف، على إجابات نموذج أقوى. وتبدأ المشكلة حين يكون «المعلّم» نموذجًا مغلقًا يعود لجهة أخرى، وتحظر شروط الخدمة هذا الاستخدام. وبالنسبة إلى شركة رائدة تجاريًا، يعني ذلك نقل استثماراتها في التدريب مباشرة إلى حساب منافس.

وفي حالة النماذج المتخصصة في الاستدلال، تكون القيمة أعلى بكثير. فالإجابة النهائية تُظهر النتيجة، أما سلسلة الاستدلال فتكشف الطريق إليها: ما الخطوات التي يتخذها النموذج، وأين يراجع نفسه، وكيف يقسّم المسألة. وهذه المسارات مادة تدريبية جاهزة لإعادة إنتاج سلوك مشابه في نظام آخر. ولذلك تتحدث Anthropic تحديدًا عن رموز الاستدلال، لا عن مخرجات API العادية.

ما المعروف عن الإجراءات

يتضح من البيان ما يلي:

• انخفاض استخراج الاستدلال الداخلي في Claude بنسبة 90–99%؛
• حظر عشرات الآلاف من الحسابات؛
• ورد اسما شركتين صينيتين بوصفهما متورطتين: Zhipu وMoonshot؛
• وُصفت الهجمات بأنها «صناعية»، أي منهجية وموزعة، لا تجارب فردية معزولة يجريها مستخدمون منفصلون.

ويشير حجم الحسابات، الذي يبلغ عشرات الآلاف، إلى نمط معروف: تُوزَّع الطلبات على عدد كبير من الحسابات حتى يبدو كل حساب على حدة مستخدمًا عاديًا. والدفاع ضد ذلك يقوم على تحليل السلوك، لا على فرض حدود على مفتاح واحد. أما الآليات المحددة التي تستخدمها Anthropic فلم يُكشف عنها في النص المتاح.

ما الذي ينقص البيان

تبقى عدة أسئلة مفتوحة. فالنطاق «من 90 إلى 99%» يعني فارقًا يقارب رتبة عشرية كاملة في التسرب المتبقي: عند 99% يمر جزء واحد من مئة من الحركة، وعند 90% يمر جزء واحد من عشرة. ولا يتضح على ماذا طُبّق هذا المؤشر: على عدد الطلبات، أم حجم الرموز، أم تقدير فائدة البيانات المستخرجة. كما لا يتضح على أي أدلة تقوم نسبة الهجمات إلى شركات بعينها: البنية التحتية، أم آثار الدفع، أم محتوى الطلبات. ولا توجد في المواد المتاحة مواقف من Zhipu وMoonshot.

وهناك أيضًا تحفظ على المقياس نفسه. فإذا كانت الحماية قد خفّضت التسرب لكن المهاجمين انتقلوا إلى قنوات أخرى، مثل الوسطاء ومعيدي بيع الوصول، فسيكون الأثر الفعلي أقل من المعلن. وعادةً ما يجري باحثون مستقلون مثل هذه الفحوص، ولا توجد فحوص كهذه حتى الآن.

الخلاصات العملية

بالنسبة إلى الفرق التي تبني منتجات على نماذج مغلقة، فإن الإشارة الرئيسية هي تشديد الرقابة على الحسابات. وعلى من يعمل عبر المجمِّعات والوكلاء (proxy) أن يتحقق من مصدر وصول الوسيط، ومن عدم مخالفته شروط المزوّد، لأن الحظر «المتسلسل» يطال العملاء الملتزمين أيضًا. وللشركات التي تضبط نماذجها الخاصة، من المفيد تتبّع مصدر البيانات واستبعاد مخرجات النماذج الخارجية صراحةً إذا كانت الرخصة تحظر ذلك. أما مطوّرو النماذج المفتوحة في الصين، فسيكون عليهم، بحسب ما يظهر من البيان، أن يُسألوا لا عن الجودة وحدها، بل عن نقاء بيانات التدريب أيضًا.

وسيزداد الجدل حول التقطير حدّة: فكلما ارتفعت كلفة تدريب الأنظمة المتقدمة، ازداد إغراء الحصول على النتيجة بطريق أرخص، وازداد حرص المختبرات على إخفاء استدلالاتها وحمايتها.