概念adversarial distillation / 模型蒸馏攻击
对抗性蒸馏
一种针对AI模型的攻击手段，攻击者通过大规模、系统化地调用目标模型API采集输入输出对（尤其是推理链），并以此训练自己的模型来复制目标模型能力，本质上是对模型知识产权的窃取
时间轴 (近 90 天)
9月30日
对抗性蒸馏攻击者通过大量系统化地向目标模型发起请求，采集输入-输出对，尤其是包含完整推理链的响应，用于训练自己的模型以复刻目标模型能力
待验证50%
9月30日
即便攻击者没有访问目标模型权重的能力，仍能通过黑盒API实现高质量的能力迁移
待验证50%
9月30日
推理链输出成为对抗性蒸馏最有价值的采集目标，因为攻击者无需复现昂贵的RL训练流程，只需将采集到的推理轨迹作为监督信号即可蒸馏出较强推理能力的模型
待验证50%