OpenAI mempublikasikan cara perusahaan itu menangkal distilasi adversarial, teknik menyalin kemampuan model frontier tanpa ikut menyalin pengamannya. Dalam tulisan yang terbit 20 November 2026, OpenAI menyebut pengamanan terbaru di GPT-6.2 Astra menekan keberhasilan serangan pencurian penalaran dari 54 persen menjadi 0,2 persen dalam pengujian internal perusahaan.
Ringkasan
- OpenAI merilis penjelasan pengamanan ant-distilasi untuk GPT-6.2 Astra dan GPT-6.2 Sol pada 20 November 2026.
- Dalam uji internal, keberhasilan serangan pencurian penalaran turun dari 54,0 persen menjadi 0,2 persen untuk penalaran dari permintaan sebelumnya, dan dari 22,9 persen menjadi 0,9 persen untuk permintaan berjalan.
- OpenAI menyebut telah menindak ribuan hingga puluhan ribu akun per pekan terkait kampanye distilasi, dan membagikan indikator penyalahgunaan ke penyedia model lain.
Distilasi sendiri adalah teknik yang sah dalam machine learning: satu model belajar dari keluaran model lain. Masalah muncul ketika teknik itu dipakai tanpa izin untuk menyalin kemampuan model frontier, lalu model hasil salinan dipakai tanpa pengaman yang dimiliki model aslinya. OpenAI mencontohkan kemampuan siber: model yang membantu pertahanan menemukan celah perangkat lunak bisa, setelah disalin, dipakai untuk mengeksploitasi celah yang sama. Risiko serupa berlaku di riset biologi.
Fokus pengamanan ada pada protected reasoning, langkah-langkah penalaran internal yang dihasilkan model sebelum menjawab. Jejak ini sering memuat informasi yang tidak muncul di jawaban akhir, sehingga bernilai sebagai bahan latih model lain. Untuk mengukur ketahanan, OpenAI memakai evaluasi adaptif: penyerang otomatis menyesuaikan serangannya berdasarkan respons sistem, dengan sudut pandang yang sama seperti pengguna luar. Hasilnya, pada GPT-6.2 Astra dengan pengamanan baru, tingkat keberhasilan serangan rata-rata di bawah 1 persen untuk tiap jenis serangan. Angka itu berasal dari pengujian internal OpenAI dan belum diverifikasi pihak independen.
Pengamanan disusun berlapis. Di level permintaan, model dilatih secara adversarial agar menolak membocorkan penalaran yang dilindungi, tapi tetap menjawab permintaan penjelasan yang sah. Klasifikasi masukan mendeteksi upaya ekstraksi, klasifikasi keluaran memeriksa kebocoran di jawaban maupun argumen pemanggilan tool, termasuk pada respons streaming. Di level API, penalaran GPT-6.2 Astra dan Sol dikaitkan dengan riwayat percakapan yang menghasilkannya: bila pesan sebelumnya ditulis ulang, penalaran sesudahnya dibuang, dan keluarga model lama dengan pengamanan lebih lemah tidak bisa membaca penalaran GPT-6.2. Bagi pengembang yang memakai API OpenAI, aturan ini berarti penalaran model tidak lagi bisa dipindahkan antar percakapan begitu saja.
Di level kampanye, OpenAI melacak pola sinyal di level permintaan dan akun untuk menemukan upaya ekstraksi terkoordinasi, lalu menindak jaringan akun yang melanggar. Sepanjang tahun ini perusahaan itu menyebut telah menemukan sejumlah kampanye distilasi tanpa izin, dengan penindakan mingguan berkisar ribuan hingga puluhan ribu akun, dan lajunya meningkat tajam selama musim panas. Indikator penyalahgunaan juga dibagikan ke penyedia model lain agar bisa menyelidiki penyalahgunaan serupa di layanan mereka.
OpenAI juga mengaitkan isu ini dengan keamanan nasional. Perusahaan itu menulis telah memberi briefing ke Kongres pada Februari mengenai aktivitas yang mengindikasikan DeepSeek berupaya mendistilasi model frontier AS, dan pada September mengganggu kampanye ekstraksi penalaran yang sebagian besar dikaitkan dengan individu yang terafiliasi dengan Moonshot AI, pengembang Kimi. OpenAI menyatakan mendukung sejumlah rancangan undang-undang AS, termasuk Chip Security Act, AI OVERWATCH Act, dan MATCH Act.




