شرکت‌های هوش مصنوعی مستقر در چین کمپین‌های تقطیر دانش مقیاس صنعتی علیه شرکت‌های آمریکایی اجرا می‌کنند

منبع و محدوده
این مطلب بر اساس یک Cybersecurity Advisory مشترک از NSA، CISA و FBI که در فید «CISA Cybersecurity Advisories» منتشر شده، تهیه شده است. در ادامه خلاصه‌ای از ادعاها، روش‌ها، توصیه‌ها و یک خلاصه تحلیلی مستقل ارائه می‌شود. اطلاعات زیر مطابق با محتوای منبع اصلی بازنویسی و تلخیص شده است؛ از هرگونه حدس یا ادعای فراتر از منبع خودداری شده است.

یافته‌های کلیدی و تخصیص (Attribution)
- طبق منبع، از دست‌کم اواخر 2024، چند شرکت مستقر در چین شامل DeepSeek, Moonshot AI, Alibaba, MiniMax, StepFun و Z.AI کمپین‌های گستردهٔ «تقطیر دانش» (knowledge distillation) را علیه مدل‌های مرجع شرکت‌های آمریکایی اجرا کرده‌اند. منبع می‌نویسد که این تقطیرها هستهٔ استراتژی توسعهٔ این شرکت‌ها بوده است، نه صرفاً یک روش فرعی.
- هدف‌ها شامل استخراج قابلیت‌ها و عملکردهای اختصاصی از مدل‌هایی مانند انواع Claude، GPT (از جمله GPT-4 و GPT-5 و مشتقات)، Gemini و Grok بوده است. منبع زمان‌بندی‌های نمونه را از اواخر 2024 تا میانهٔ 2026 گزارش می‌کند.
- مواردی که مطابق با منبع استخراج شده‌اند: قابلیت‌های استدلال زنجیره‌ایِ فکر (chain-of-thought)، بهینه‌سازی برای وظایف تخصصی (مانند مهارت‌های حقوقی، مهندسی نرم‌افزار، گفت‌وگوی خدمات مشتری)، توابع عاملیت‌مند، بهینه‌سازی‌های SFT و RL، و سایر بهینه‌سازی‌های خاص دامنه.

تاکتیک‌ها، روش‌ها و رویه‌ها (TTPs)
- عاملان از سازوکارهای فرابازار (gray market) شامل «ایستگاه‌های انتقال» (transfer stations) یا پروکسی‌های API برای دورزدن محدودیت‌های جغرافیایی، نقض شرایط استفاده و کاهش قابلیت ردیابی استفاده کرده‌اند، طبق اعلام منبع.
- مسیرهای دسترسی متنوع شامل APIهای بومی، ارائه‌دهندگان ابری از راه دور و تجمیع‌کنندگان APIs بوده؛ برخی از این مسیرها به‌صورت خودکار متادیتا را مخفی یا مبهم می‌کنند تا کشف را دشوار سازند.
- برای صرفه‌جویی هزینه، خرید اشتراک‌های پرمیوم به‌صورت عمده و اشتراک‌گذاری آنها در تیم‌ها گزارش شده است. تاکتیک‌های پیشرفته شامل استخراج CoT، مکانیزم‌های جابجایی خودکار بین مسیرها هنگام مسدودسازی و چارچوب‌های ارزیابی کیفیت برای شناسایی مقابله‌های دفاعی بوده‌اند.

نمونه‌های شرکتی و مدل‌های ذکرشده (از منبع)
- DeepSeek: انجام کمپین‌های سازمان‌یافته از دست‌کم اواخر 2024 برای تولید دادهٔ آموزشی سنتتیک برای مدل‌های R1 و V3؛ استخراج از نسخه‌های متعدد Claude، GPT (از جمله GPT-4, GPT-5) و Gemini و Grok.
- Moonshot AI: کمپین‌های گسترده از نیمهٔ 2025؛ استخراج داده‌هایی از Claude Fable 5 و GPT-4o برای آموزش مدل‌های داخلی.
- Alibaba، MiniMax، StepFun و Z.AI: هر یک به‌طور جداگانه از تقطیر در بهبود خانوادهٔ مدل‌های خود (مثلاً Qwen برای Alibaba، M2 برای MiniMax و Step 4 برای StepFun) استفاده کرده‌اند؛ Z.AI طبق منبع میلیاردها توکن از GPT-5.5 و Claude Opus 4.8 استخراج کرده است.
(فهرست مدل‌ها و قابلیت‌های دقیق در منبع اصلی درج شده است.)

توصیه‌های فوری مندرج در منبع
منبع سه اقدام فوری برای شرکت‌های آمریکایی ذی‌ربط پیشنهاد می‌کند:
1) پیاده‌سازی تشخیص و تخفیف جامع: شناسایی پرامپت‌ها، حساب‌ها، شبکه‌ها و رفتارهای غیرعادی یا مخرب؛ پایش نسبت اشتراک به استفاده، حداکثر استفادهٔ فوری از حساب‌های جدید و الگوهای توان عملیاتی در مقیاس سازمانی.
2) اعمال تغییرات هدفمند در پاسخ‌ها: تغییرات ظریف در پاسخ‌های مدل برای تلاش‌های مشکوک تقطیر به‌منظور کاهش سود حاصل از این کمپین‌ها.
3) ایجاد اشتراک‌گذاری اطلاعات میان سازمانی: همبستگی فعالیت‌ها بین ارائه‌دهندگان مدل، پلتفرم‌های ابری و تجمیع‌کننده‌های API برای آشکارسازی کمپین‌های توزیع‌شده.

خلاصه تحلیلی مستقل (بر اساس اطلاعات منبع)
- دامنهٔ ادعا شده: اگر گزارش منبع درست باشد، شواهد حاکی از تبدیل تقطیر دانش به یک استراتژی توسعهٔ مرکزی در برخی شرکت‌های چین‌مبنا است که می‌تواند زمان و هزینهٔ توسعهٔ مدل‌های پیشرفته را به‌طور قابل‌توجهی کاهش دهد؛ این امر پیامدهایی برای رقابت فناوری و مالکیت معنوی دارد.
- چالش‌های کشف و پاسخ: تنوع مسیرها (APIهای مختلف، تجمیع‌کننده‌ها، پروکسی‌ها) و استفاده از بازار خاکستری برای دسترسی، کار دفاع و ردیابی را پیچیده می‌سازد؛ این امر نیازمند مکانیزم‌های تشخیصی جامع و هماهنگ بین بازیگران اکوسیستم است.
- اولویت‌های دفاعی عملیاتی: مطابق با توصیهٔ منبع، تمرکز بر شناسایی الگوهای استفادهٔ غیرطبیعی، مدیریت دقیق دسترسی و اشتراک‌گذاری اطلاعات تهدید بین ارائه‌دهندگان و زیرساخت‌ها باید در اولویت قرار گیرد. اقدامات فنی مانند محدودسازی نرخ درخواست‌های مبتنی بر حساب/منبع، تحلیل خوشه‌ای پرامپت‌های مشابه و مکانیزم‌های انعطاف‌پذیر پاسخ‌دهی می‌توانند مفید باشند، مشروط بر اینکه این تدابیر با خط‌مشی‌ها و قوانین مربوطه منطبق شوند.

محدودیت‌ها و احتیاط
- متن بالا ترجمه و بازنویسی از منبع اصلی است و از حدس‌زدن یا افزودن اطلاعات فراتر از آن خودداری شده است. هر ادعایی دربارهٔ عاملان یا گسترهٔ استخراج دقیق بر اساس مفاد Advisory منبع است و نیازمند بررسی مستقل بیشتر توسط ذی‌نفعان و محققان است.

منابع
- این پست بر اساس Cybersecurity Advisory مشترک NSA، CISA و FBI منتشرشده در فید «CISA Cybersecurity Advisories» تهیه شده است.