
OpenAI, GPT-6.2 modellerinden akıl yürütme çıkarılmasına karşı korumaları sıkılaştırdı
OpenAI, önceki isteklerden korunan akıl yürütmeyi çıkaran saldırıların GPT-6 Astra'daki yüzde 54,0 başarı oranından GPT-6.2 Astra'da yüzde 0,2'ye düştüğünü, aktif istek saldırılarının ise yüzde 22,9'dan yüzde 0,9'a indiğini söylüyor.
OpenAI, GPT-6.2 Astra ve GPT-6.2 Sol modellerinden iç akıl yürütmenin çıkarılmasına karşı korumaları önemli ölçüde sıkılaştırdı. İç otomatik testlerde, önceki isteklerden korunan akıl yürütmeyi çeken saldırıların başarı oranı GPT-6 Astra'da yüzde 54,0'dan GPT-6.2 Astra'da yüzde 0,2'ye düştü; aktif isteklere yönelik saldırılar ise yüzde 22,9'dan yüzde 0,9'a geriledi. Şirket şimdi seçili iyileştirmeleri GPT-6 Astra'ya da getiriyor.
Testlerde ne değişti
Bildirilen saldırı başarı oranları, altı saldırgan model genelinde toplanan uyarlanabilir kara kutu red teaming testlerinden geliyor. Önceki istek çıkarımı için oran yüzde 54,0'dan yüzde 0,2'ye düştü. Aktif istek çıkarımı için oran yüzde 22,9'dan yüzde 0,9'a geriledi. Daha düşük oran daha iyidir.
Savunmalar nasıl çalışıyor
Tek tek isteklerde sistemler, hedefli eğitim, mesajlar ve araç çağrıları için giriş ve çıkış filtreleri ile eski modellerin korunan akıl yürütmeyi okumasını durduran API engellerini birleştiriyor. Koordineli kampanyalara karşı OpenAI haftalık binlerce ila on binlerce hesabı yasaklıyor.
Sektör bağlamı
Anthropic de sistematik distilasyon saldırılarıyla mücadele ediyor ve iç akıl yürütmeyi çalmayı önlemek için on binlerce hesabı yasaklıyor; vakaların yüzde 90 ila 99'unda başarılı olduğu bildiriliyor. Anthropic ayrıca sektör ve politika yapıcılarından koordineli bir yanıt çağrısı yaptı. 23 Şubat 2026 tarihli daha önceki haberde Anthropic, Deepseek, Moonshot ve MiniMax'i 16 milyon sorgu yoluyla Claude'un AI verisini çalmakla suçladı.
Kaynaklar: The Decoder
SiTech — AI destekli web geliştirme
Hızlı ve modern web siteleri kuruyor, AI'yı gerçek iş akışlarına taşıyoruz. Projeniz veya sorunuz mu var? Yardımcı olmaktan mutluluk duyarız.