Anthropic, Claude 추론 추출 방어 강화·일부 차단 요청 과금

Anthropic이 Claude의 숨겨진 추론 추출을 막는 방어 방식을 공개했다. 회사는 자체 플랫폼에서 공격자가 추출한 추론 토큰이 도입 전보다 10~100배 줄었다고 밝혔다. 일부 개발자는 연동을 수정해야 하며, 9월 24일부터 오탐률 0.1% 미만인 증류 등 특정 영역에서는 응답 전 차단된 요청에도 다시 과금한다.

내용·출처 업데이트 · 2026. 10. 13. 오후 12:31

방어는 추론 기록의 이동 제한, 2단계 분류기를 통한 추출 요청 차단, 반복 시도 계정의 사용 제한·정지로 구성된다.

Fable 5.1·Opus 5.5의 preserved thinking은 2026년 8월 31일 이후 생성된 API 계정이 Claude의 이전 문맥을 편집하지 못하도록 한다. 일부 개발자는 이에 맞춰 연동을 수정해야 했다.

보호된 추론을 방어가 약한 이전 모델이 읽지 못하도록 했으며, Sonnet 5.5에서는 추론 기록을 생성한 조직만 접근할 수 있도록 제한했다.

회사의 평가에서 Opus 4.8 전체 추론 기록으로 학습한 모델은 SWE-bench Verified 80.4%, 요약된 기록으로 학습한 모델은 71.8%를 기록했다.

2단계 분류기는 Sonnet 5.5·Opus 5 및 5.5·Fable 5 및 5.1에 적용한다. 회사가 제시한 오탐률은 0.1% 미만이다.

추론 토큰 추출량 감소는 Anthropic 자체 플랫폼의 추정치다. 회사는 고도로 정교하고 지속적인 우회 시도에 대한 방어 지속성은 아직 알 수 없다고 설명했다.

추론 기록을 대화·모델·계정 사이로 옮기는 경로도 제한해, 프롬프트 탐지뿐 아니라 API 문맥 재사용 방식까지 방어 대상으로 삼았다.