OpenAI阻断大规模模型蒸馏攻击：涉月之暗面关联人员

OpenAI 近日披露并阻断了一起有组织的「对抗性模型蒸馏」行动。攻击者未经授权，试图系统性地从 OpenAI 模型中提取受保护的内部推理内容（Reasoning Content），以此训练、复现或改进其他模型。

受保护的推理内容是模型在生成最终回答前记录的思考过程。这类内容若被提取，不仅会泄露未公开的中间信息，还能帮助第三方低成本复现前沿模型的核心能力。

攻击手法与行动规模

调查显示，攻击者并未入侵数据库或破解加密体系，而是利用交互提示词与跨对话机制实施攻击：操作者将一段对话中加密的推理数据复制到另一段对话中，诱导模型对其进行解密与转录，使隐藏内容在前端重现。

此前，独立安全研究人员已通过负责任的漏洞披露流程向 OpenAI 报告了类似的跨模型与对话压缩漏洞，协助验证了相关攻击路径。

根据 OpenAI 监测数据：

• 异常活动始于 7 月 1 日，初期规模较小；
• 7 月 24 日至 25 日活动骤增，超过 4,000 名用户在两天内发起了 1.6 万次定向提取请求；
• 关联整个特征提示词网络的涉事用户群体超过 1.5 万人；
• 截至 7 月 28 日，相关攻击活动已被全面拦截。

归因评估与潜在风险

OpenAI 评估认为，虽然无法确认所有参与者均属同一主体，但其中一组核心活动是由与 Kimi 开发商**月之暗面（Moonshot AI）**有关联的人员实施。

OpenAI 强调，对抗性蒸馏不仅关乎知识产权，还会带来安全与合规风险：

1. 安全对齐失效：提取出的推理内容被迁移至新模型时，原模型内置的安全防护与对齐机制往往会被剥离；
2. 技术无序扩散：未经安全评估即加速双重用途前沿能力的转移，可能加剧 AI 滥用风险。

防御举措与行业协同

针对此类攻击，OpenAI 采取了多层防御措施：

• 账号与基建风控：批量处置、封禁异常账号，提高注册与调用风控级别；
• 架构级隔离与修复：强化用户、工作区与组织之间的推理数据隔离，封堵重放已加密推理内容的漏洞；
• 流式输出审查：新增实时检测机制，拦截可能泄露隐藏思考过程的流式数据；
• 生态联防：与第三方中继服务商协同清理违规账号，并通过前沿模型论坛（Frontier Model Forum）及政府相关渠道共享威胁情报。

OpenAI 表示，随着前沿模型推理能力的演进，对抗性蒸馏手法将持续升级。公司正持续强化工具端防御与分类器检测，推动云服务合作伙伴落实同等级别的安全管控。