OpenAI 披露并瓦解一起协同模型蒸馏攻击行动
一次被及时拦截的"推理窃取"
OpenAI 近日公开披露，其识别并瓦解了一起协同模型蒸馏攻击行动，最早的可疑活动可追溯至 7 月第一周，而大规模攻击高峰出现在 7 月 24 日和 25 日——两天内涉及 超过 4000 名用户、约 16000 次请求，且都使用了相关的提取模式。
值得注意的是，攻击者并未攻破加密、入侵数据库，也没有直接获取存储的用户对话。他们采用的是另一种方式：通过操控模型交互，让本应受保护的推理内容以请求者可见的形式被复现。
什么是"对抗性蒸馏"
OpenAI 将这起事件定性为对抗性蒸馏（adversarial distillation），即系统性地、未经授权地利用某个模型的输出或推理过程，去帮助训练、复现或改进另一个模型。
这里的关键概念是受保护推理（protected reasoning）——它是模型处理任务时的内部记录。与最终答案不同，推理过程可能包含被刻意保留、未在答案中呈现的信息。一旦这些内容被提取，外部方就有可能借此复现模型的核心能力。
攻击手法：跨对话"解密转录"
根据 OpenAI 的描述，攻击者尝试了多种新颖的提取方式，其中一种典型手法是：
- 从一个对话中复制加密的推理内容；
- 在另一个对话中要求模型解密并转录这些隐藏的推理内容。
此外，独立安全研究人员也通过负责任披露渠道，向 OpenAI 报告了相关的跨模型漏洞和对话压缩漏洞。OpenAI 调查后确认这些攻击路径真实存在，并表示研究人员的发现帮助他们理解了更广泛的攻击类别，加速了缓解措施的落地。
不是 OpenAI 独有的问题
OpenAI 明确表示，这种操控手法并非其模型独有的漏洞。公司已通过 Frontier Model Forum 与行业伙伴共享相关信息，以强化整个生态对对抗性蒸馏的集体防御能力。
在对外发布前，OpenAI 完成了以下工作：
- 调查攻击的范围和潜在影响；
- 部署自身的缓解措施；
- 与研究人员和行业伙伴共享信息并收集反馈，确保针对此类攻击的防护到位。
OpenAI 同时强调，额外的缓解和调查工作仍在继续。公司认为，现在分享已掌握的信息，有助于更广泛的生态系统加强防御。
为什么这件事值得关注
随着大模型能力竞争加剧，模型推理过程本身正成为高价值资产。对抗性蒸馏的兴起，意味着攻击面已从传统的"数据泄露"扩展到"能力窃取"——即便没有数据被直接盗走，模型的核心能力也可能被间接复制。
对行业而言，这起事件释放了一个清晰信号：模型安全不再只是防止越狱或数据泄露，还包括保护推理过程不被系统性提取。OpenAI 选择公开披露并与行业共享，也反映出前沿模型厂商在对抗性蒸馏问题上正走向协同防御。
