OpenAI 收紧 GPT-6.2 推理保护,攻击成功率降至 0.2%

OpenAI 为 GPT-6.2 Astra 和 GPT-6.2 Sol 加装了更严的推理内容防护,内部红队测试中提取模型受保护推理的攻击成功率大幅下降;这关系到闭源大模型最核心的“思考过程”资产能否守住。

一句话看懂:OpenAI 为 GPT-6.2 Astra 和 GPT-6.2 Sol 加装了更严的推理内容防护,内部红队测试中提取模型受保护推理的攻击成功率大幅下降;这关系到闭源大模型最核心的“思考过程”资产能否守住。

事件核心:发生了什么

据 The Decoder AI News 报道,OpenAI 已显著收紧对 GPT-6.2 Astra 与 GPT-6.2 Sol 内部推理内容的提取防护。在内部自动化黑盒红队测试中,针对历史请求中受保护推理的提取攻击成功率从 GPT-6 Astra 的 54.0% 降至 GPT-6.2 Astra 的 0.2%;针对当前请求的攻击成功率从 22.9% 降至 0.9%。OpenAI 表示,部分改进也将逐步回补到 GPT-6 Astra。

防御分为两个层面:单次请求层面,结合针对性训练、消息与工具调用的输入输出过滤,以及 API 层面的拦截,阻止旧模型读取受保护推理;针对有组织的协同攻击,OpenAI 每周封禁的账号数量达到数千至数万。上述数据目前来自 OpenAI 内部测试,尚未看到第三方复现或同行评审。

为什么重要

模型内部推理是闭源大模型最敏感的部分之一,既包含训练与对齐投入形成的“思维痕迹”,也可能成为竞争对手蒸馏的原料。攻击者若能稳定提取推理过程,就等于绕过 API 边界拿到接近模型能力的样本。因此,这次从量级上压缩攻击面,说明推理保护正从外围过滤走向训练、接口和账号治理的叠加体系。OpenAI 的对手 Anthropic 同样在打击系统性蒸馏攻击,封禁数万账号,并呼吁产业界与政策制定者协同应对,行业层面的攻防正在升级。

对用户/开发者/创作者的影响

目前公开信息显示,普通用户体验不会直接改变,但通过 API 构建应用、依赖模型输出做二次训练或评测的开发者,可能遇到更严格的过滤和拦截;旧模型读取受保护推理的通道被关闭,部分迁移或对比类工作流需要重新评估。对以“提示复现”“逆向思考链”为卖点的工具和服务,这类防护会压缩操作空间。企业采购和内容团队若把模型输出用于数据资产沉淀,也需留意账号行为规范和合规风险。

GamsGo AI

AI 工具推荐

想把多个 AI 模型放在一个入口?

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。

值得关注的后续

一是 GPT-6.2 Sol 的防护细节和回补 GPT-6 Astra 的节奏是否公开透明;二是第三方红队能否复现该成功率,以及自适应攻击是否会转向新的绕过路径;三是 Anthropic 等竞品是否跟进类似 API 拦截和批量封号机制,监管方面是否将模型推理保护纳入数据安全与反蒸馏议题。

来源:The Decoder AI News

celebrityanime
celebrityanime
文章: 36391

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注