2026年11月20日(@OpenAI はアジア/上海時間 11月21日 03:33 に告知)、OpenAI は研究報告「Combatting adversarial distillation」を発表し、安全策を省いたままフロンティア能力を複製する無許可蒸留への技術対策と GPT-6.2 Astra/Sol における API 防御仕様を明らかにした。
生の推論軌跡保護の重要性とレッドチーム評価結果
サイバー能力移転実験および抽出成功率 1% 未満への抑制:OpenAI の社内検証では、正当なコーディングおよび防御的サイバー業務の教師軌跡から同一の事前学習生徒モデルを蒸留したところ、ユーザー可視の要約のみで学習した生徒よりも生の推論軌跡(exact reasoning traces)を含めた生徒が SFT 後に優位を示し、軽量 RL 後も最大推論予算において ExploitBench と SEC-bench Pro の両ベンチマークで高スコアを維持した(低予算域では要約版が上回る場面あり)。また6種の攻撃モデルによる適応型ブラックボックス評価では、過去リクエストからの保護済み推論抽出成功率が GPT-6 Astra(旧防御)の 54.0% から GPT-6.2 Astra(新防御)の 0.2% へ、現在リクエストからの抽出も 22.9% から 0.9% へ低下したとされる(一部対策は GPT-6 Astra にも展開中)。

画像の出典:OpenAI 公式研究記事「Combatting adversarial distillation」をもとに DigIntoAI が作成。
2層防御スタックと API 開発者が押さえるべき仕様変更
会話履歴への厳格紐づけ、ツール引数監視と組織的摘発:リクエスト層では敵対的防御学習、入出力分類器、API 境界制御を組み合わせる。GPT-6.2 Astra・Sol では保護済み推論を生成元の会話履歴と紐づけており、過去メッセージを書き換えると後続の推論が API 側で破棄されるほか、防御の弱い旧世代モデルによる 6.2 推論の読み込みを禁止し、ストリーミング/非ストリーミング出力分類器でツール呼び出し引数内の漏洩も監視する。キャンペーン層では週間数千〜数万アカウント規模の措置を実施していると報告し、文中では DeepSeek および Moonshot AI(Kimi 開発元)関係者に関する従来の見解を再掲するとともに、米国の Chip Security Act、AI OVERWATCH Act、MATCH Act への支持を表明している。

画像の出典:OpenAI 公式研究記事をもとに DigIntoAI が作成。
