IA en un minutoNoticiasSeguridad
Anthropic dice que sus nuevas defensas reducen en torno a un 90-99% los datos que los destiladores extraen de Claude
Redacción de IA en un minuto · Editor: Jon Elgezabal
En 30 segundos
Anthropic asegura que sacar de Claude material para entrenar modelos imitadores es ahora más difícil: sus primeros cálculos apuntan a una caída de los datos que ronda del 90% al 99%. La protección se concentra en el razonamiento previo a cada respuesta, con un clasificador de dos etapas y expulsión rápida de cuentas. Según la empresa, el precio ha sido renunciar a tráfico de pago y que algunos clientes retoquen integraciones.
Anthropic dice que ha avanzado de forma sustancial contra los ataques de destilación a Claude, su modelo de IA.
La empresa publicó el lunes 12 de octubre un artículo que define estos ataques como campañas encubiertas y a escala industrial para extraer las capacidades de un modelo y replicarlas en otro sin autorización de quien lo desarrolló, a menudo mediante redes de cuentas fraudulentas. Según Anthropic, las primeras evidencias indican que sus nuevos métodos han reducido aproximadamente entre un 90% y un 99% los datos que obtienen los destiladores.
Las defensas se centran casi por completo en proteger el razonamiento que Claude escribe antes de responder, que según la compañía es el material más valioso para entrenar a un modelo imitador. Actúan de tres maneras. La primera limita por dónde puede circular ese razonamiento: con Claude Opus 5.5 y Claude Fable 5.1, las cuentas nuevas de la API (las creadas desde el 31 de agosto de 2026) no pueden editar el contexto previo de Claude. La segunda es un sistema clasificador de dos etapas que detecta los intentos de extracción, con una tasa de falsos positivos inferior al 0,1%. La tercera endurece los límites de uso y expulsa las cuentas que insisten; además, desde el 24 de septiembre Anthropic vuelve a cobrar las peticiones que sus salvaguardas bloquean antes de que Claude responda en los ámbitos, como la destilación, con esa misma tasa de error.
Con el clasificador en marcha, la empresa calcula que los tokens de razonamiento extraídos en su propia plataforma son entre 10 y 100 veces menos que antes, y dice haber expulsado decenas de miles de cuentas, a menudo en menos de dos horas desde que empiezan una campaña.
Anthropic afirma que Zhipu, por ejemplo, destiló capacidades de ciberseguridad de los principales modelos estadounidenses mientras desarrollaba GLM-5.3, su modelo de pesos abiertos. Según el artículo, intentó hacerlo con Claude Fable 5 y, al comprobar que las salvaguardas de ciberseguridad degradaban sus ataques, pasó a un modelo anterior de Claude y al de otro laboratorio.
La compañía también admite un coste: ha renunciado a ingresos significativos y ha rechazado tráfico de pago de destiladores equivalente a billones de tokens, y algunos usuarios legítimos han tenido que actualizar sus integraciones. Tampoco da el problema por cerrado: reconoce que no sabe cuánto durarán estas mejoras y que todavía no ha visto un intento muy sofisticado y persistente de saltarse las nuevas defensas.
Por qué importa · análisis y opinión
El razonamiento de un modelo deja de ser un subproducto visible y pasa a tratarse como el activo que hay que custodiar. Para quien construye sobre la API de Claude, eso tiene efectos prácticos: las integraciones que editan el contexto anterior de una conversación pueden necesitar cambios, y las peticiones que el filtro detenga vuelven a facturarse. El paso práctico es revisar cómo maneja cada aplicación los bloques de razonamiento y comprobar si la cuenta es anterior o posterior al corte que fija la empresa. Queda una incógnita que la propia Anthropic admite: las medidas funcionan frente a los ataques ya conocidos, pero todavía no se han medido con un intento realmente sofisticado y persistente. La eficacia, además, la calcula la compañía en su propia plataforma.
Fuente oficial: Anthropic · Redactada con ayuda de IA: cómo hacemos las noticias
