反蒸馏系统

概述

反蒸馏系统是 Claude Code 中用于防止竞争对手通过 API 流量录制来训练竞品模型的安全机制。

关键内容

1. 蒸馏攻击定义：
2. 通过记录强大模型（Teacher）的输入输出，训练出成本更低的模型（Student）来模仿 Teacher 的行为

3. 竞争对手可能系统性地记录 Claude Code 的 API 请求和响应，训练功能类似的模型而无需支付 API 费用

4. 假工具注入机制：

5. 当启用 ANTI_DISTILLATION_CC 标志时，服务器端会向系统提示词中注入虚假的工具定义
6. 这些虚假工具对真实 Claude Code 无影响，但会污染训练数据

7. 训练出的模型会"学到"根本不存在的工具，产生奇怪的行为

8. 服务端响应摘要：

9. 仅对 Anthropic 内部用户启用
10. 服务器缓冲 AI 的响应，生成摘要并附上加密签名返回

11. 外部记录者只能看到摘要，看不到完整的推理链

12. 实际效果：

13. 真实目的不是技术上完全阻止蒸馏，而是增加攻击成本、污染非授权训练数据质量、作为法律证据

来源

• 06_security_antidistillation.md — 反蒸馏系统详细分析

相关

• Claude Code — implements
• Client Proof — relates_to