AIの能力だけがコピーされる？

Anthropicが「蒸留攻撃」対策で情報抽出を最大99％削減と報告

2026年10月12日、米AI企業Anthropicが、AIの能力を不正に複製しようとする「蒸留攻撃」への新しい防御策を公表しました。

同社によると、自社プラットフォーム上で攻撃者が取得したと推定される推論情報は、対策導入前と比べて約90〜99％減少しました。

そもそも「蒸留攻撃」とは？

蒸留とは、高性能なAIの回答を学習データとして使い、別のAIにその能力を習得させる技術です。正当な研究や開発にも使われます。

一方、蒸留攻撃は、開発元の許可なく大量の出力を取得し、モデルの能力を不正に複製しようとする行為を指します。

なぜ安全性の問題になるのか

Anthropicは、元のAIの能力を複製したモデルに、同等の安全対策が備わるとは限らないと懸念しています。特にサイバー攻撃や生物学関連の危険な用途への悪用が問題になります。

ただし、すべての蒸留モデルが危険であると証明されたわけではありません。

推論情報を制限すると、どのくらい違う？

Anthropicは、詳細な推論情報と要約された推論情報を使ってモデルを学習させ、プログラミング課題で比較しました。

Anthropicが導入した3つの対策

1. 推論情報を別のアカウントやモデルから取得しにくくするアクセス制御
2. 二段階の検出システムによる不正な抽出要求の遮断
3. 繰り返し抽出を試みるアカウントへの利用制限・停止

対策は十分なのか

Anthropicは効果を報告する一方、高度で継続的な回避攻撃への耐性はまだ十分に検証されていないとしています。また、正規利用者への誤検出やシステム連携への影響もあります。

今回の90〜99％という数値は同社の観測に基づくもので、世界全体の蒸留攻撃が減少したことを意味しません。

暮らしと仕事への影響

企業や自治体がAIを導入する際は、回答の性能だけでなく、安全対策の内容や運用状況を確認することが重要です。

AIの能力を広く利用できることと、その能力を安全に管理できることは、必ずしも同じではありません。

編集部まとめ

高性能なAIをコピーできることと、安全なAIを作れることは別の問題です。

今回の発表は、AIの能力を守る技術と、安全対策を維持する仕組みの両方が必要であることを考える材料になります。

参考資料

Anthropic公式：Strengthening our defenses against distillation attacks（2026年10月12日）

米国NIST：GLM-5.3のサイバー能力評価（2026年9月17日）

※本記事は公開された一次資料をもとに編集部が整理したものです。防御効果に関する数値はAnthropicの自己評価です。