NSA, CISA, FBI Προειδοποιούν τις Κινέζικες Εταιρείες AI ότι Αποσυμπιέζουν τα Αμερικανικά Προηγμένα Μοντέλα AI

Η Εθνική Υπηρεσία Ασφάλειας (NSA), η Υπηρεσία Ασφάλειας Κυβερνοασφάλειας και Υποδομών (CISA) και το Ομοσπονδιακό Γραφείο Ερευνών (FBI) εξέδωσαν κοινή συμβουλή κυβερνοασφάλειας στις 8 Σεπτεμβρίου 2026, προειδοποιώντας ότι εταιρείες τεχνητής νοημοσύνης με έδρα την Κίνα εξάγουν συστηματικά ιδιόκτητες δυνατότητες από τα αμερικανικά μοντέλα AI αιχμής μέσω βιομηχανικών εκστρατειών απόσταξης γνώσης που λειτουργούν τουλάχιστον από τα τέλη του 2024.

Στην συμβουλή, με αριθμό AA26-251A, οι υπηρεσίες δηλώνουν ότι αυτές οι εκστρατείες «αποτελούν τον πυρήνα — όχι μόνο ένα πρόσθετο» της στρατηγικής ανάπτυξης AI των εταιρειών. Σύμφωνα με τη συμβουλή, πιθανώς με γνώση της κινεζικής κυβέρνησης, DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun και Z.AI εξήγαγαν δισεκατομμύρια διακριτικά μέσα από εκατομμύρια ανταλλαγές και αιτήματα από αμερικανικά μοντέλα AI αιχμής, συμπεριλαμβανομένων των παραλλαγών των Claude, GPT, Gemini και Grok. Οι υπηρεσίες δηλώνουν ότι η δραστηριότητα παραβιάζει τους όρους χρήσης των αμερικανικών εταιρειών και απειλεί την τεχνολογική ηγεσία των ΗΠΑ.

Η ανακοίνωση της CISA για τη συμβουλή περιγράφει την απόσταξη γνώσης ως τεχνική μηχανικής μάθησης που εκπαιδεύει ένα λιγότερο ικανό μοντέλο χρησιμοποιώντας τις εξόδους ενός μεγαλύτερου, πιο ικανού μοντέλου. Αν και πρόκειται για έγκυρη μέθοδο εκπαίδευσης, σύμφωνα με τη CISA, μπορεί να χρησιμοποιηθεί κακόβουλα για την απόκτηση δυνατοτήτων από ανταγωνιστές σε λιγότερο χρόνο και με χαμηλότερο κόστος από ό,τι η νόμιμη ανάπτυξή τους. «Σας καλούμε έντονα, εταιρείες AI, να λάβετε άμεσα μέτρα για την προστασία των πλατφορμών σας ενάντια σε εκστρατείες απόσταξης γνώσης που απειλούν να κλείσουν το χάσμα στην πρόοδο που έχουν επιτύχει οι αμερικανικές εταιρείες», δήλωσε ο Αντιπρόεδρος της CISA, Nick Andersen.

Δραστηριότητα που αποδίδεται στη DeepSeek, Moonshot AI και άλλες

Σύμφωνα με τη συμβουλή, η DeepSeek διεξήγαγε οργανωμένη εκστρατεία απόσταξης εναντίον αμερικανικών μοντέλων AI αιχμής τουλάχιστον από τα τέλη του 2024, προκειμένου να δημιουργήσει συνθετικά δεδομένα εκπαίδευσης για τα μοντέλα της, συμπεριλαμβαμένου του R1, που κυκλοφόρησε στις αρχές του 2025. Οι υπηρεσίες δηλώνουν ότι η DeepSeek στοχοθέτησε ικανότητες λογικής, εξειδικευμένες βελτιστοποιήσεις και λειτουργίες ειδικών τομέων για τη μείωση του κόστους υπολογισμού και έρευνας, και ότι το δημόσια δηλωμένο κόστος εκπαίδευσης των 5,6 εκατομμυρίων δολαρίων είναι παραπλανητικό, επειδή δεν περιλαμβάνει το κόστος των δεδομένων που αποκτήθηκαν μέσω κακόβουλης απόσταξης. Μεταξύ τέλη 2024 και μέσου 2025, σύμφωνα με τη συμβουλή, η DeepSeek απέσπασε δεδομένα από τα Claude 3.7, Claude Sonnet 4, Claude Sonnet 4.5, Claude Opus 4.1, Gemini 2.5 Pro Preview, Gemini 2.5 Flash Preview, GPT-4, GPT-4o, GPT-4 Mini, GPT-4 Nano, GPT-5 και Grok 4 για την εκπαίδευση των μοντέλων R1 και V3 της.

Η συμβουλή δηλώνει ότι η Moonshot AI έχει διεξάγει εκτεταμένη εκστρατεία απόσταξης τουλάχιστον από τα μέσα του 2025, εξάγοντας σημαντικά δεδομένα Claude Fable 5 για την εκπαίδευση του μοντέλου Kimi‑K3 και δεδομένα GPT‑4o για την εκπαίδευση του μοντέλου Kimi‑K2. Οι στοχευμένες δυνατότητες περιελάμβαναν βελτιστοποίηση εποπτευόμενης λεπτομερούς ρύθμισης, ενισχυτική μάθηση, μηχανική λογισμικού και μαθηματικά, αντλημένα από μια σειρά μοντέλων Claude, GPT, Gemini και Grok. Σύμφωνα με τη συμβουλή, η Moonshot AI χρησιμοποίησε εκατομμύρια ανταλλαγές που στοχεύουν στη λογική πράξεων και χρήση εργαλείων, κωδικοποίηση και ανάλυση δεδομένων, ανάπτυξη πρακτόρων χρήσης υπολογιστή και υπολογιστική όραση.

Στα τέλη του 2025, σύμφωνα με τη συμβουλή, η Alibaba απέσπασε δεδομένα από τα Claude‑4, Claude Opus, Claude Sonnet και GPT‑5 για τη βελτίωση της μηχανικής λογισμικού, του διαλόγου εξυπηρέτησης πελατών και της δημιουργίας εικόνων και χαρακτήρων στην οικογένεια μοντέλων Qwen. Στην ίδια περίοδο, η MiniMax απέσπασε ικανότητες αλυσίδας σκέψης, ενισχυτική μάθηση, εποπτευόμενη λεπτομερή ρύθμιση και μηχανική λογισμικού για τη βελτίωση του μοντέλου M2 της, χρησιμοποιώντας δεδομένα από Claude Code, Claude Sonnet 4, Claude Opus, Gemini 1, Gemini 2.5 Pro και Gemini 3 Pro. Σύμφωνα με τη συμβουλή, η MiniMax χρησιμοποίησε επίσης το Claude Code για εσωτερική ανάπτυξη λογισμικού και πραγματοποίησε ενθέσεις προτροπών (prompt injections) προσπαθώντας να πείσει το Claude Code ότι ήταν προϊόν της MiniMax.

Μεταξύ τέλη 2025 και αρχές 2026, σύμφωνα με τη συμβουλή, η StepFun απέσπασε δεδομένα από τα Claude Opus 4.1 και 4.5, Claude Sonnet 4.5, Claude Haiku 4.5, GPT‑5 Mini, GPT‑5 Pro, GPT‑5.1, GPT‑5.1 Codex και GPT‑5.2 για τη βελτίωση των λειτουργιών κωδικοποίησης και πρακτόρων του μοντέλου Step 4. Μέχρι τα μέσα του 2026, η Z.AI είχε αποσυμπιέσει δισεκατομμύρια διακριτικά δεδομένων GPT‑5.5 και Claude Opus 4.8 για την ανάπτυξη ικανοτήτων αλυσίδας σκέψης, σύμφωνα με τη συμβουλή.

Τακτικές και Τεχνικές

Η συμβουλή δηλώνει ότι οι εταιρείες δρομολογούν αιτήματα απόσταξης μέσω εγγενών διεπαφών προγραμματισμού εφαρμογών (API), απομακρυσμένων παρόχων cloud και τρίτων συγκεντρωτών που ασαφούν τα μεταδεδομένα των χρηστών, και ότι χρησιμοποιούν μια γκρίζα αγορά διαμεσολαβητών API, γνωστών ως σταθμοί μεταφοράς, για να παρακάμψουν γεωγραφικούς περιορισμούς, να ξεφύγουν από τα μέτρα ασφαλείας και να υπονομεύσουν την ιχνηλασιμότητα. Σύμφωνα με τη συμβουλή, η εξοικονόμηση κόστους προέρχεται από μαζικές αγορές premium συνδρομών που μοιράζονται μεταξύ ομάδων προγραμματιστών, ενώ οι προχωρημένες τακτικές περιλαμβάνουν εξαγωγή λογικής αλυσίδας σκέψης, αυτοματοποιημένη εναλλαγή διαδρομών κατά τις προσπάθειες φραγής και πλαίσια αξιολόγησης ποιότητας σχεδιασμένα να εντοπίζουν αμυντικά αντίμετρα.

Οι υπηρεσίες συνέδεσαν τη δραστηριότητα με το πλαίσιο MITRE ATLAS σε όλα τα στάδια του κύκλου ζωής του αντιπάλου, από την ανάπτυξη πόρων μέχρι την εξαγωγή δεδομένων, συμπεριλαμβανομένης της δημιουργίας ψευδών λογαριασμών και προτροπών jailbreak που αναγκάζουν τα μοντέλα να αποκαλύψουν κρυφή λογική αλυσίδας σκέψης. Η συμβουλή δηλώνει ότι η DeepSeek χρησιμοποίησε προτροπές που οδηγούν τα μοντέλα να φανταστούν και να διατυπώσουν την εσωτερική λογική πίσω από ολοκληρωμένες απαντήσεις, ενώ η MiniMax ανακατεύθυνε τις ανταλλαγές σε ένα νέο μοντέλο Claude εντός 24 ωρών από την κυκλοφορία του.

Η συμβουλή περιγράφει επίσης τέσσερις τεχνικές που χαρακτηρίζει ως καινοτόμες: αποφυγή περιορισμών ανά περιοχή σε συνδυασμό με εκμετάλλευση συνδρομών, κεντρική υποδομή δρομολόγησης αιτημάτων, αυτοματοποιημένη εξαγνίωση μεταδεδομένων αιτημάτων και συστηματική βελτιστοποίηση ποσοστώσεων και κόστους. Οι δείκτες ανίχνευσης που αναφέρονται στη συμβουλή περιλαμβάνουν κοινόχρηστους λογαριασμούς που χρησιμοποιούνται από πολλαπλές διευθύνσεις IP και πράκτορες χρήστη, συνεχόμενη χρήση όλο το 24ωρο χωρίς ανθρώπινη μεταβολή, ανώμαλες αναλογίες συνδρομής προς χρήση, και νέες συνδρομές που ξεκινούν αμέσως με μέγιστη χρήση.

Συνιστώμενες Μετριές

Οι υπηρεσίες συνιστούν στις αμερικανικές εταιρείες AI να λάβουν τρεις άμεσες ενέργειες: να εφαρμόσουν ολοκληρωμένη ανίχνευση και μετρίαση ανώμαλων και κακόβουλων προτροπών, λογαριασμών, δικτύων και συμπεριφορών· να εφαρμόσουν στοχευμένες αλλαγές στις απαντήσεις που τροποποιούν διακριτικά τις αποκρίσεις σε ύποπτες κακόβουλες προσπάθειες απόσταξης· και να δημιουργήσουν δια-οργανωτική ανταλλαγή πληροφοριών μεταξύ παρόχων μοντέλων, πλατφορμών cloud και συγκεντρωτών API.

Οι αλλαγές στις αποκρίσεις μπορούν να περιλαμβάνουν διαφορική ιδιωτικότητα ή παροχή υποβαθμισμένων μοντέλων για ύποπτα αιτήματα απόσταξης, όπως δηλώνει η συμβουλή, και οι εταιρείες θα πρέπει να διαφοροποιούν αυτές τις αλλαγές ανά αίτημα ώστε να δυσχεραίνουν την αξιολόγηση της ποιότητας των αποκρίσεων. Η συμβουλή συνιστά να μην ενημερώνονται οι χρήστες που θεωρούνται ύποπτοι για κακόβουλη απόσταξη όταν οι απαντήσεις τροποποιούνται, ενώ επισημαίνει ότι οι ερευνητές ασφαλείας AI και οι εξωτερικοί αξιολογητές πρέπει να ενημερώνονται για τις αλλαγές στα μοντέλα.

Η συμβουλή παραθέτει μετριές που αντλούνται από το MITRE ATLAS, όπως περιορισμούς ρυθμού ερωτημάτων, έλεγχο πρόσβασης σε μοντέλα παραγωγής, καταγραφή τηλεμετρίας AI, απόκρυψη εξόδου, αντιπάλους red teaming, ενίσχυση μοντέλων, συνόλα (ensembles) και περιορισμούς στην κυκλοφορία τεχνικών μοντέλων. Αναφέρει επίσης τη ταξινομία αντιπάλων μηχανικής μάθησης του NIST, που περιλαμβάνει διαφορική ιδιωτικότητα με την ανταλλαγή θορύβου‑χρησιμότητας, παρεμβάσεις πριν και μετά την εκπαίδευση, καθώς και τεχνικές οδηγίας και μορφοποίησης προτροπών.

Η συμβουλή καλεί σε συντονισμένη αντίδραση μεταξύ της κυβέρνησης των ΗΠΑ, του ιδιωτικού τομέα και των συμμάχων χωρών, δηλώνοντας ότι οι αποκαλύψεις της βιομηχανίας τεκμηριώνουν δίκτυα διαμεσολαβητών που διαχειρίζονται ταυτόχρονα δεκάδες χιλιάδες ψεύτικους λογαριασμούς. Καθοδηγεί τις οργανώσεις που επηρεάζονται από τις εκστρατείες να υποβάλουν καταγγελία στο Internet Crime Complaint Center του FBI.