
AI · 22 November 2026
OpenAI Perketat Pertahanan Anti-Distilasi: Serangan Turun dari 54% ke 0,2%
Pada 20 November 2026, OpenAI mempublikasikan cara mereka melawan adversarial distillation — praktik melatih model kedua dari keluaran model frontier tanpa izin, sehingga model tiruan itu mewarisi kemampuan tapi bukan pengamanannya. Menurut pengujian internal OpenAI, pertahanan baru di GPT-6.2 Astra memangkas tingkat keberhasilan serangan pencurian penalaran dari 54,0% menjadi 0,2%.
Yang dilindungi: penalaran tersembunyi, bukan sekadar jawaban
Yang paling berharga dari sebuah model frontier bukan jawaban akhirnya, melainkan chain-of-thought — langkah penalaran yang dilaluinya sebelum menjawab. Dalam studi internal OpenAI, model "murid" yang dilatih dengan jejak penalaran persis sang guru umumnya mengungguli model yang hanya dilatih dari ringkasan penalaran, termasuk pada benchmark keamanan siber. OpenAI khawatir kemampuan siber dan biologi yang bersifat ganda itu bisa berpindah ke model tiruan yang tidak mau menolak permintaan berbahaya.
Pertahanan empat lapis
Pertahanan OpenAI bekerja di empat lapis: pelatihan adversarial agar model menolak upaya ekstraksi, pengklasifikasi input yang mendeteksi percobaan pencurian, pengklasifikasi output yang memeriksa jawaban dan argumen tool-call dari kebocoran, serta batasan API yang mengikat penalaran terproteksi ke riwayat percakapannya sendiri. Model lama dengan pengaman lebih lemah diblokir membaca penalaran model GPT-6.2, dan token penalaran terenkripsi tidak bisa berpindah antar pengguna atau organisasi.
Di luar filter otomatis, OpenAI mengatakan melakukan penindakan mingguan terhadap kampanye distilasi terkoordinasi — memblokir ribuan hingga puluhan ribu akun setiap minggunya.
Perlu dicatat: semua angka di atas berasal dari pengujian internal OpenAI sendiri dan belum ada replikasi independen.
Bonus: Codex kini memperbaiki ChatGPT secara otomatis
Di pengumuman yang sama, OpenAI memperkenalkan "Performance Factory" — sistem berbasis Codex yang otomatis mendiagnosis perlambatan dan error di ChatGPT, mengusulkan perbaikan, lalu memverifikasi hasilnya. Dalam tiga bulan, sistem ini menangani lebih dari 1.700 investigasi dan menemukan lebih dari 600 akar masalah — meski perbaikan tetap harus disetujui insinyur sebelum diterapkan.
Aiproxcrop