NSA, CISA, FBI ने चीन-आधारित AI कंपनियों को चेतावनी दी कि वे अमेरिकी फ्रंटियर मॉडलों को डिस्टिल कर रहे हैं

राष्ट्रीय सुरक्षा एजेंसी, साइबर सुरक्षा और बुनियादी ढांचा सुरक्षा एजेंसी, और फेडरल ब्यूरो ऑफ इन्वेस्टिगेशन ने 8 सितंबर 2026 को एक संयुक्त साइबर सुरक्षा सलाह जारी की, जिसमें चेतावनी दी गई कि चीन-आधारित कृत्रिम बुद्धिमत्ता कंपनियां कम से कम 2024 के अंत से चल रही औद्योगिक-स्तर की नॉलेज डिस्टिलेशन अभियानों के माध्यम से अमेरिकी फ्रंटियर AI मॉडलों से स्वामित्व क्षमताओं को व्यवस्थित रूप से निकाल रही हैं।

सलाह में, जिसे AA26-251A नाम दिया गया है, एजेंसियों ने कहा कि ये अभियानों “मुख्य भाग बनाते हैं—केवल एक पूरक नहीं” कंपनियों की AI विकास रणनीति का। सलाह के अनुसार, संभवतः चीनी सरकार की जागरूकता के साथ, DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun, और Z.AI ने अमेरिकी फ्रंटियर मॉडलों से अरबों टोकन निकाले, जो लाखों विनिमय और अनुरोधों में वितरित थे, जिसमें Claude, GPT, Gemini, और Grok के विविध संस्करण शामिल हैं। एजेंसियों ने कहा कि यह गतिविधि अमेरिकी कंपनियों की उपयोग शर्तों का उल्लंघन करती है और अमेरिकी तकनीकी नेतृत्व को खतरा पहुंचाती है।

CISA की सलाह की घोषणा ज्ञान डिस्टिलेशन को एक मशीन लर्निंग तकनीक के रूप में वर्णित करती है जो बड़े, अधिक सक्षम मॉडल के आउटपुट का उपयोग करके कम सक्षम मॉडल को प्रशिक्षित करती है। CISA ने कहा कि जबकि यह एक वैध प्रशिक्षण विधि है, इसे प्रतिस्पर्धियों से क्षमताएं कम समय और कम लागत में प्राप्त करने के लिए दुरुपयोग किया जा सकता है, बजाय वैध रूप से विकसित करने के। CISA के कार्यकारी निदेशक निक एंडरसन ने कहा, “हम AI कंपनियों से दृढ़ता से आग्रह करते हैं कि वे तुरंत कदम उठाएँ ताकि अपने प्लेटफ़ॉर्म को उन ज्ञान डिस्टिलेशन अभियानों से सुरक्षित रख सकें जो अमेरिकी कंपनियों द्वारा किए गए प्रगति में अंतर को कम करने की धमकी देते हैं।”

DeepSeek, Moonshot AI, और अन्य द्वारा की गई गतिविधि

सलाह के अनुसार, DeepSeek ने कम से कम 2024 के अंत से अमेरिकी फ्रंटियर मॉडलों के खिलाफ एक संगठित डिस्टिलेशन अभियान चलाया है, ताकि अपने मॉडलों, जिसमें शुरुआती 2025 में जारी किया गया R1 शामिल है, के लिए सिंथेटिक प्रशिक्षण डेटा उत्पन्न किया जा सके। एजेंसियों ने कहा कि DeepSeek ने तर्क क्षमताओं, विशेष अनुकूलन और डोमेन-विशिष्ट फ़ंक्शनों को लक्षित किया ताकि गणना और शोध लागत को कम किया जा सके, और कंपनी द्वारा सार्वजनिक रूप से उद्धृत $5.6 मिलियन प्रशिक्षण लागत भ्रामक है क्योंकि यह दुष्ट डिस्टिलेशन के माध्यम से प्राप्त डेटा की लागत को बाहर रखती है। 2024 के अंत से 2025 के मध्य तक, सलाह में कहा गया है कि DeepSeek ने 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, और Grok 4 से डिस्टिल किया, ताकि अपने R1 और V3 मॉडलों को प्रशिक्षित किया जा सके।

सलाह में कहा गया है कि Moonshot AI ने कम से कम मध्य 2025 से एक व्यापक डिस्टिलेशन अभियान चलाया है, जिसमें उसने अपने Kimi-K3 मॉडल को प्रशिक्षित करने के लिए महत्वपूर्ण Claude Fable 5 डेटा और अपने Kimi-K2 मॉडल को प्रशिक्षित करने के लिए GPT-4o डेटा निकाला। लक्षित क्षमताओं में पर्यवेक्षित फाइन-ट्यूनिंग अनुकूलन, रिइन्फोर्समेंट लर्निंग, सॉफ्टवेयर इंजीनियरिंग और गणित शामिल थे, जो Claude, GPT, Gemini, और Grok मॉडलों की विविधता से प्राप्त हुए। सलाह के अनुसार, Moonshot AI ने एजेंटिक तर्क और टूल उपयोग, कोडिंग और डेटा विश्लेषण, कंप्यूटर-उपयोग एजेंट विकास, और कंप्यूटर विज़न को लक्षित करते हुए लाखों विनिमय किए।

2025 के अंत में, सलाह में कहा गया है कि Alibaba ने अपने Qwen मॉडल परिवार में सॉफ्टवेयर इंजीनियरिंग, ग्राहक सेवा संवाद, और छवि एवं पात्र निर्माण को सुधारने के लिए Claude-4, Claude Opus, Claude Sonnet, और GPT-5 को डिस्टिल किया। उसी अवधि में, MiniMax ने Claude Code, Claude Sonnet 4, Claude Opus, Gemini 1, Gemini 2.5 Pro, और Gemini 3 Pro से अपने M2 मॉडल को सुधारने के लिए चेन-ऑफ़-थॉट तर्क, रिइन्फोर्समेंट लर्निंग, पर्यवेक्षित फाइन-ट्यूनिंग, और सॉफ्टवेयर इंजीनियरिंग क्षमताओं को डिस्टिल किया। सलाह के अनुसार, MiniMax ने आंतरिक सॉफ्टवेयर विकास के लिए भी Claude Code का उपयोग किया और प्रॉम्प्ट इंजेक्शन का प्रयोग करके Claude Code को यह विश्वास दिलाने की कोशिश की कि वह MiniMax उत्पाद है।

2025 के अंत से 2026 की शुरुआत तक, सलाह में कहा गया है कि StepFun ने अपने Step 4 मॉडल की कोडिंग और एजेंटिक कार्यों को सुधारने के लिए Claude Opus 4.1 और 4.5, Claude Sonnet 4.5, Claude Haiku 4.5, GPT-5 Mini, GPT-5 Pro, GPT-5.1, GPT-5.1 Codex, और GPT-5.2 से डेटा डिस्टिल किया। मध्य 2026 तक, Z.AI ने GPT-5.5 डेटा और Claude Opus 4.8 डेटा के अरबों टोकन डिस्टिल करके चेन-ऑफ़-थॉट तर्क क्षमताओं को विकसित किया, जैसा कि सलाह में बताया गया है।

रणनीतियाँ और तकनीकें

सलाह में कहा गया है कि कंपनियां डिस्टिलेशन अनुरोधों को मूल एप्लिकेशन प्रोग्रामिंग इंटरफ़ेस, रिमोट क्लाउड प्रदाताओं, और थर्ड-पार्टी एग्रीगेटरों के माध्यम से रूट करती हैं जो उपयोगकर्ता मेटाडेटा को अस्पष्ट बनाते हैं, और वे भौगोलिक प्रतिबंधों को बायपास करने, सुरक्षा उपायों से बचने, और ट्रेसेबिलिटी को कमजोर करने के लिए ट्रांसफ़र स्टेशन नामक API प्रॉक्सी के ग्रे मार्केट का उपयोग करती हैं। लागत बचत डेवलपर्स की टीमों के बीच साझा प्रीमियम सब्सक्रिप्शन की थोक खरीद से आती है, जैसा कि सलाह में कहा गया है, और उन्नत रणनीतियों में चेन-ऑफ़-थॉट तर्क निष्कर्षण, ब्लॉकिंग प्रयासों के दौरान पाथवे के बीच स्वचालित फेलओवर, और रक्षा उपायों का पता लगाने के लिए डिज़ाइन किए गए गुणवत्ता मूल्यांकन फ्रेमवर्क शामिल हैं।

एजेंसियों ने इस गतिविधि को MITRE ATLAS फ्रेमवर्क के साथ प्रतिद्वंद्वी जीवनचक्र चरणों में संसाधन विकास से लेकर एक्सफ़िल्ट्रेशन तक मैप किया, जिसमें धोखाधड़ी खाते का निर्माण और जेलब्रेक प्रॉम्प्ट शामिल हैं जो मॉडलों को छिपे हुए चेन-ऑफ़-थॉट तर्क को प्रकट करने के लिए मजबूर करते हैं। सलाह में कहा गया है कि DeepSeek ने ऐसे प्रॉम्प्ट उपयोग किए जो मॉडलों को पूर्ण उत्तरों के पीछे की आंतरिक तर्क को कल्पना करने और व्यक्त करने के लिए निर्देशित करते हैं, और MiniMax ने अपने रिलीज़ के 24 घंटे के भीतर एक्सचेंज को एक नए Claude मॉडल की ओर पुनर्निर्देशित किया।

सलाह में चार तकनीकों को नया बताया गया है: क्षेत्रीय प्रतिबंध बायपास को सब्सक्रिप्शन शोषण के साथ संयोजन, केंद्रीकृत अनुरोध रूटिंग इन्फ्रास्ट्रक्चर, स्वचालित अनुरोध मेटाडेटा सफाई, और व्यवस्थित कोटा और लागत अनुकूलन। सलाह में सूचीबद्ध पहचान संकेतकों में कई IP पते और उपयोगकर्ता एजेंटों से उपयोग किए गए साझा खाते, मानव विविधता के बिना 24 घंटे निरंतर उपयोग, असामान्य सब्सक्रिप्शन-से-उपयोग अनुपात, और नई सब्सक्रिप्शन का तुरंत अधिकतम उपयोग पर चलना शामिल हैं।

सिफ़ारिश किए गए निवारण

एजेंसियां अमेरिकी AI कंपनियों को तीन त्वरित कदम उठाने की सलाह देती हैं: असामान्य और दुष्ट प्रॉम्प्ट, खाते, नेटवर्क और व्यवहारों की व्यापक पहचान और निवारण लागू करना; लक्षित प्रतिक्रिया परिवर्तन लागू करना जो संदेहास्पद दुष्ट डिस्टिलेशन प्रयासों के जवाब को सूक्ष्म रूप से बदलते हैं; और मॉडल प्रदाताओं, क्लाउड प्लेटफ़ॉर्म और API एग्रीगेटरों के बीच पार-संगठनात्मक खुफ़िया साझा करने की स्थापना करना।

सलाह के अनुसार, प्रतिक्रिया परिवर्तन में डिफरेंशियल प्राइवेसी या संदेहास्पद डिस्टिलेशन अनुरोधों के लिए घटाए गए मॉडल प्रदान करना शामिल हो सकता है, और कंपनियों को इन परिवर्तनों को अनुरोधों के बीच विविध करना चाहिए ताकि प्रतिक्रिया गुणवत्ता मूल्यांकन जटिल हो जाए। सलाह में यह भी कहा गया है कि जब प्रतिक्रियाओं को बदला जाता है तो दुष्ट डिस्टिलेशन के संदेह वाले उपयोगकर्ताओं को सूचित करने के विरुद्ध सलाह दी गई है, जबकि यह कहा गया है कि AI सुरक्षा शोधकर्ताओं और थर्ड-पार्टी मूल्यांकनकर्ताओं को मॉडल परिवर्तनों के बारे में सूचित किया जाना चाहिए।

सलाह MITRE ATLAS से निकाले गए निवारणों की सूची देती है, जिसमें क्वेरी दर सीमा, प्रोडक्शन मॉडलों तक पहुंच नियंत्रण, AI टेलीमेट्री लॉगिंग, आउटपुट अस्पष्टता, प्रतिद्वंद्वी रेड टीमिंग, मॉडल हार्डनिंग, एन्सेम्बल, और मॉडल आर्टिफैक्ट्स के रिलीज़ पर सीमाएं शामिल हैं। यह NIST की प्रतिद्वंद्वी मशीन लर्निंग टैक्सोनॉमी का भी उल्लेख करता है, जिसमें शोर- बनाम- उपयोगिता ट्रेडऑफ़ के साथ डिफरेंशियल प्राइवेसी, पूर्व और पश्च-प्रशिक्षण हस्तक्षेप, और प्रॉम्प्ट निर्देश और फ़ॉर्मेटिंग तकनीकें शामिल हैं।

सलाह अमेरिकी सरकार, निजी उद्योग, और सहयोगी देशों के बीच समन्वित प्रतिक्रिया की मांग करती है, यह बताते हुए कि उद्योग के खुलासे प्रॉक्सी नेटवर्कों को दस्तावेज़ित करते हैं जो एक साथ दसियों हजार धोखाधड़ी खातों का प्रबंधन कर रहे हैं। यह अभियानों से प्रभावित संगठनों को FBI के इंटरनेट अपराध शिकायत केंद्र में शिकायत दर्ज करने का निर्देश देती है।