Anthropic vahvisti suojauksia mallien luvatonta tislaamista vastaan

Kirjoittaja: AI Uutiset Toimitus · Tarkastanut: Pasi, päätoimittaja · 14.10.2026

Anthropic kertoi 12. lokakuuta 2026 julkaisemassaan tutkimusblogissa ottaneensa käyttöön uusia suojauksia, joilla se torjuu kilpailijoiden yrityksiä kopioida Claude-malliensa osaamista. Yhtiön mukaan suojaukset ovat vähentäneet hyökkääjien talteen saamaa dataa arviolta 90–99 prosenttia. Uudet keinot kohdistuvat erityisesti mallin päättelyyn ja valetilien verkostoihin.

Mitä tislaaminen tarkoittaa

Tislaaminen (englanniksi distillation) tarkoittaa sitä, että hyökkääjä lähettää suurelle ja osaavalle kielimallille miljoonia kehotteita eli kysymyksiä ja kerää talteen mallin vastaukset. Vastausten avulla hyökkääjä kouluttaa oman, pienemmän mallinsa jäljittelemään osaavamman mallin käytöstä. Kerätty aineisto toimii siis tislaajan omana koulutusdatana. Näin kilpailija voi päästä lähelle frontier-mallien tasoa murto-osalla siitä ajasta ja rahasta, joka huippumallin kehittämiseen kuluisi.

Anthropicin mukaan tislaaminen on salaista ja teollisen mittakaavan toimintaa. Sitä tehdään usein valetilien verkostojen avulla: hyökkääjät luovat tuhansia tilejä väärien henkilöllisyyksien ja varastettujen maksutietojen turvin ja hajauttavat pyyntönsä niiden kesken. Yhtiö kertoi helmikuun 2026 raportissaan verkostosta, joka hallitsi yli 20 000 valetiliä samanaikaisesti.

Arvokkainta on mallin päättely

Kielimalli kirjoittaa ennen vastaustaan näkyviin päättelynsä eli ne välivaiheet, joilla se päätyy lopputulokseen. Anthropicin mukaan juuri nämä päättelyn kirjaukset ovat tislaajille arvokkainta aineistoa, koska pelkkä loppuvastaus ei kerro, miten malli siihen päätyi.

Yhtiö kertoo alkaneensa aiemmin tiivistää Clauden päättelyä ennen sen näyttämistä käyttäjälle. Vaikutus mitattiin SWE-bench Verified -ohjelmointitestillä: mallin, joka oli opetettu täysien päättelykirjausten pohjalta, tulos oli 80,4 prosenttia, kun pelkistettyjen kirjausten pohjalta opetettu malli ylsi 71,8 prosenttiin.

Suojaus toimii kolmella tavalla

Anthropic kuvaa kolme tapaa, joilla se katkaisee tislaamisyrityksiä. Ensimmäinen rajaa sitä, minne mallin päättely voi kulkeutua. Mallit Claude Fable 5.1 ja Opus 5.5 ottivat käyttöön niin sanotun säilytetyn päättelyn: 31. elokuuta 2026 tai sen jälkeen luodut uudet ohjelmointirajapinnan (API) tilit eivät voi muokata Clauden aiempaa asiayhteyttä. Lisäksi päättelyä ei voi lukea vanhemmilla malleilla, joiden omat suojaukset ovat heikommat.

Toinen tapa on estää ja paikata poimintayritykset. Siinä Anthropic käyttää kaksivaiheista luokittelijaa, samantapaista järjestelmää kuin se käyttää biologisten uhkien torjunnassa. Yhtiön mukaan sen suojaukset eli turvakaiteet ovat nyt suunnilleen yhtä vahvat kuin biouhkien torjunnassa, ja virheellisten hälytysten osuus on alle 0,1 prosenttia.

Kolmas tapa vaikeuttaa toistuvia yrityksiä. Jatkuvasti päättelyä kalasteleville tileille asetetaan tiukemmat käyttörajat, ja toistuvista yrityksistä seuraa tilin sulkeminen. Anthropic kertoo sulkeneensa kymmeniätuhansia tislaamiseen liittyneitä tilejä usein alle kahdessa tunnissa siitä, kun tili aloitti kampanjansa. Syyskuun 24. päivästä 2026 lähtien yhtiö on lisäksi laskuttanut pyynnöt, jotka suojaukset estävät ennen kuin malli vastaa.

Tulokset ja niiden rajat

Anthropicin mukaan sen suojaukset ovat vähentäneet päättelystä talteen saatujen tokenien määrää 10–100-kertaisesti aiemmasta. Joinakin päivinä talteen saatujen tokenien määrä oli yhtiön mukaan liian pieni mitattavaksi.

Yhtiö varoittaa, ettei se tiedä, kuinka kauan tulokset kestävät. Se pitää tislaamista kilpajuoksuna, jossa hyökkääjät keksivät uusia keinoja ja suojauksia täytyy päivittää jatkuvasti. Anthropic kertoo myös, ettei se ole vielä nähnyt kovin kehittynyttä ja sitkeää yritystä kiertää uusia suojauksiaan.

Keitä hyökkäykset koskevat

Anthropic nimeää blogissaan kiinalaisia tekoäly-yhtiöitä. Zhipun kerrotaan tislanneen kyberturvallisuuskyvykkyyksiä yhdysvaltalaisista huippumalleista GLM-5.3-malliinsa. Yhtiö yritti tislaamista myös Claude Fable 5:stä, mutta havaittuaan, että suojaukset heikensivät sen hyökkäyksiä, se siirtyi vanhempaan Claude-malliin ja toisen laboratorion malliin. Yhdysvaltain CAISSI-arviointielin on sittemmin arvioinut GLM-5.3:n kyberkyvykkäimmäksi julkaistuksi avoimien painojen malliksi.

Moonshotin kerrotaan puolestaan välittäneen Kimi-malliensa kautta käyttäjien pyyntöjä salaa Claudelle. Yksi välitetyistä pyynnöistä tuli käyttäjältä, jonka Anthropic arvioi liittyvän Kiinan kansan vapautusarmeijaan ja joka halusi analysoida valvontakamerakuvaa tietystä henkilöstä.

Anthropic julkaisi syyskuun 2026 uhkaraportissaan tarkempia lukuja. Sen mukaan suurin mitattu kampanja oli Alibaballa: yli 151 miljoonaa vaihtoa touko- ja heinäkuun 2026 välillä, huipussaan lähes kolme miljoonaa vaihtoa päivässä yli 3 500 valetililtä. Yhtiön mukaan kerättyjä päättelykirjauksia käytettiin Alibaban Qwen 3.5-, 3.6- ja 3.7-mallien kouluttamiseen.

Seuraukset ja avoimet kysymykset

Anthropic kertoo hylänneensä tislaajilta merkittävää liikevaihtoa ja biljoonien tokenien edestä maksavaa liikennettä. Suojauksilla on myös hintansa: säilytetty päättely on vaatinut kehittäjiä päivittämään omia integraatioitaan, luokittelija voi harvoin estää hyväksyttävän pyynnön ja estetyistä pyynnöistä laskutetaan. Yhtiö arvioi virheellisten estojen osuudeksi alle 0,1 prosenttia.

Anthropic huomauttaa, että tislaaminen on ongelma kaikille mallien kehittäjille ja alustoille, koska hyökkääjät hajauttavat liikennettä eri palveluiden kesken. Yhtiö toivoo, että myös pilvialustat ja muut mallipalvelut puuttuisivat väärinkäyttöön nykyistä nopeammin.

Lähteet

• Anthropic: Strengthening our defenses against distillation attacks, 12.10.2026. https://www.anthropic.com/research/distillation-defenses
• Anthropic: Detecting and countering misuse of AI: September 2026, 10.9.2026. https://www.anthropic.com/threat-intelligence-report-september-2026
• Anthropic: Detecting and preventing distillation attacks, 23.2.2026. https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
• Reuters: Anthropic says new safeguards sharply reduce AI distillation attacks, 13.10.2026. https://www.reuters.com/technology/artificial-intelligence/anthropic-says-new-safeguards-sharply-reduce-ai-distillation-attacks-2026-10-13/
• The Decoder: Anthropic says it cut Claude reasoning token theft by up to 99% in fight against industrial-scale distillation, 13.10.2026. https://the-decoder.com/anthropic-says-it-cut-claude-reasoning-token-theft-by-up-to-99-in-fight-against-industrial-scale-distillation/
• Unite.AI: Anthropic Reports Distillation Defenses Reduced Extracted Reasoning Tokens, 13.10.2026. https://www.unite.ai/anthropic-reports-distillation-defenses-reduced-extracted-reasoning-tokens/

Vastuuvapauslauseke: Tämä artikkeli on tarkoitettu vain tiedotustarkoituksiin. Sitä ei tarjota tai ole tarkoitettu käytettäväksi oikeudellisena, verotuksellisena, sijoitus-, rahoitus- tai muuna neuvona.

Mainos: alla on kumppanimainoksia ja mainoslinkkejä.