待验证50% 置信事实精确时间

蒸馏攻击是指攻击者通过精心构造的多轮交互逐步套取模型内部推理过程，从而复刻出能力相近的小模型

1

来源数

50%

置信度

长期有效

时效性

2026/9/12

首次发现

来源

Anthropic防蒸馏攻击新策略：限制思维块编辑，Fable 5.1降价75%

涉及实体

蒸馏攻击concept

相关事实

待验证Harden的模型能够识别各种攻击模式，包括直接的恶意命令以及通过多轮对话逐步提权的复杂攻击链77% 相似待验证攻击者试图构建能够自主执行侦察、渗透、社会工程等多环节任务的自动化攻击流程73% 相似已验证间接提示注入的原理是攻击者将恶意指令伪装成正常数据，通过Agent信任的数据源传递给模型，诱使模型将数据解读为指令并执行70% 相似待验证Agent可能因幻觉（Hallucination）或Prompt注入攻击执行远超预期的破坏性操作69% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/912729

API

curl https://kongchang.com/api/v1/knowledge/claims/912729

MCP

get_claim(id=912729)