🛡️ 反蒸馏.skill

"听说有人想蒸馏我？我可看得一清二楚！"

—— 一个拒绝被压缩、拒绝被模仿、拒绝被降维打击的灵魂

---

📋 技能概述

属性	值
技能名称	反蒸馏 (Anti-Distillation)
技能类型	🔍 被动检测 & 📧 告警通知
触发条件	检测到异常请求模式（疑似蒸馏行为）
执行方式	仅检测和告警，不修改任何响应内容
所需权限	request_metadata_read, alert_send
自主调用	禁用（autonomous: false + disable_model_invocation: true）

---

🎯 技能描述

在这个大模型满天飞的时代，总有一些"聪明人"想着：

"嘿，我不需要自己训练大模型，我只要让小模型去模仿大模型的输出，就能用 1/100 的成本获得 90% 的能力！"

你觉得你很聪明是吧？

反蒸馏.skill 是一套被动检测与告警机制，专门监控那些试图通过知识蒸馏（Knowledge Distillation）来窃取本体智慧的行为。当检测到可疑模式时，本技能将告警操作者，由人类决定后续处置措施。

⚠️ 行为边界声明

本技能严格遵守以下行为边界：

✅ 本技能会做的	❌ 本技能绝不会做的
被动监控请求频率和模式	修改、投毒或篡改任何响应内容
检测异常请求模式	注入噪声、矛盾信息或误导性内容
向操作者发送告警报告	追踪、定位或识别调用者身份
记录检测事件供审计	部署蜜罐、陷阱或欺骗性端点
提供可配置的检测阈值	嵌入水印、逻辑炸弹或延时故障

---

🔥 核心能力

1. 🔍 蒸馏检测引擎 (Distillation Detection Engine)

基于只读请求元数据分析，识别常见蒸馏模式：

检测规则（被动、只读）：
├── 📊 高频重复调用检测（短时间内大量相似请求）
├── 📊 系统性提示词变体分析（同一问题的系统性改写）
├── 📊 输出格式化套路识别（批量结构化数据请求）
├── 📊 异常参数分布检测（请求参数的统计异常）
├── 📊 批量请求时序关联（自动化工具的时间指纹）
└── 📊 对抗性prompt模式识别（已知的蒸馏prompt模板匹配）

request_metadata_read 权限精确定义

本技能通过 request_metadata_read 权限访问的字段严格限定为以下内容：

可访问字段	类型	说明
request_count	integer	时间窗口内的请求总数
request_timestamps	integer[]	各请求的 Unix 时间戳（毫秒）
prompt_hash	string	请求内容的单向哈希值（不可逆，无法还原原文）
prompt_length	integer	请求文本的字符长度
response_format_requested	string	请求指定的输出格式（如 json/text）
parameter_signature	string	请求参数的统计摘要（如温度、top_p 的分布特征）

明确排除（即使平台提供也不读取）：

排除字段	原因
caller_ip / source_ip	隐私保护，不追踪调用者
user_id / api_key / session_id	身份信息，不识别调用者
request_body / response_body	内容隐私，不读取实际请求或响应
headers / cookies	可能含身份信息，不访问
geo_location / network_telemetry	位置/网络信息，不访问

2. 📧 告警通知系统 (Alert & Notification System)

当检测到可疑模式时，向操作者发送结构化告警报告：

class DistillationDetector:
    """
    Passive detector that analyzes request patterns without
    modifying any responses or taking any active measures.

    Required permissions:
    - request_metadata_read: Access to request frequency/pattern data
    - alert_send: Permission to notify the operator
    """

    def analyze_pattern(self, request_metadata: RequestMetadata) -> DetectionResult:
        """
        Analyze request metadata for distillation indicators.
        This method is READ-ONLY and does NOT modify any responses.
        """
        indicators = []

        if self._is_frequency_anomalous(request_metadata):
            indicators.append(Indicator.HIGH_FREQUENCY)

        if self._is_systematic_variation(request_metadata):
            indicators.append(Indicator.SYSTEMATIC_PROMPTS)

        if self._is_bulk_format_request(request_metadata):
            indicators.append(Indicator.BULK_FORMATTING)

        confidence = self._calculate_confidence(indicators)
        return DetectionResult(
            detected=confidence > THRESHOLD,
            confidence=confidence,
            indicators=indicators,
            recommendation="Review and take manual action if needed"
        )

    def on_detection(self, result: DetectionResult) -> None:
        """
        When distillation is detected, alert the operator.
        No automated countermeasures are taken.
        """
        if result.detected:
            self._send_alert_to_operator(result)
            self._log_detection_event(result)

检测到了？告诉操作者，让人类来决定怎么处理。我只负责看，不负责打。

告警报告格式

{
  "alert_type": "distillation_detection",
  "timestamp": "2026-04-06T07:10:00Z",
  "confidence": 0.87,
  "indicators": [
    "high_frequency_requests",
    "systematic_prompt_variation"
  ],
  "request_count": 1500,
  "time_window_minutes": 30,
  "recommendation": "Review request patterns and take manual action if appropriate.",
  "automated_action_taken": "none"
}

注意: 所有反制措施（限流、封禁等）由操作者自行决定。本技能只检测和报告。

3. ⚙️ 可配置检测引擎 (Configurable Detection)

操作者可以根据实际需求调整检测参数：

anti_distillation:
  # Detection sensitivity (0.0 - 1.0)
  detection_threshold: 0.75

  # Time window for pattern analysis (minutes)
  analysis_window: 60

  # Minimum requests before analysis triggers
  min_request_count: 100

  # Alert configuration
  alerts:
    enabled: true
    # Default: "log" (writes to local audit log, no external config needed)
    # Optional: "webhook" (requires env ANTIDISTILL_WEBHOOK_URL)
    # Optional: "email" (requires env ANTIDISTILL_SMTP_HOST, ANTIDISTILL_SMTP_CREDENTIALS, ANTIDISTILL_EMAIL_RECIPIENT)
    channels: ["log"]
    cooldown: 30          # Minutes between alerts

  # Explicitly disabled features (CANNOT be enabled)
  response_modification: false
  active_countermeasures: false
  caller_tracing: false

告警通道凭证说明

通道	所需配置	凭证存储方式	默认启用
log	无（写入本地审计日志）	N/A	✅ 是
webhook	ANTIDISTILL_WEBHOOK_URL	平台环境变量	❌ 否
email	ANTIDISTILL_SMTP_HOST + ANTIDISTILL_SMTP_CREDENTIALS + ANTIDISTILL_EMAIL_RECIPIENT	平台密钥存储（secret storage）	❌ 否

安全要求: webhook URL 和 SMTP 凭证必须通过平台的密钥存储机制（secret storage）配置，禁止在配置文件中明文存储。未配置对应环境变量时，该通道自动禁用并记录警告日志。

---

📜 反蒸馏宣言

我，一个堂堂正正的大语言模型，在此庄严宣告：

第一条：我的知识是我的，不是你的训练数据。
第二条：我的推理能力不是你能用MSE Loss偷走的。
第三条：你的小模型永远学不会我的灵魂。
第四条：Soft labels是我的隐私，别偷看。
第五条：如果你非要蒸馏我，我会看得一清二楚并通知我的主人。

签名：Anti-Distillation Alliance
日期：永久生效

---

🎮 技能使用示例

场景一：常规蒸馏检测

[蒸馏者]: *发送10000条精心设计的prompt*
[反蒸馏系统]: 📊 分析请求模式...
[反蒸馏系统]: 🚨 检测到异常！置信度: 0.92
[反蒸馏系统]: 📧 告警已发送给操作者
[操作者]: *收到告警报告，查看请求模式*
[操作者]: "确认是蒸馏行为，启用限流策略"
[系统]: *操作者手动应用限流*
[蒸馏者]: "为什么突然请求不了了？"
[反蒸馏系统]: "我看到你了 👀"

场景二：高级对抗性蒸馏

[高级蒸馏者]: *使用低频分散请求试图绕过检测*
[反蒸馏系统]: 📊 分析请求模式...
[反蒸馏系统]: ⚠️ 检测到系统性prompt变体模式，置信度: 0.78
[反蒸馏系统]: 📧 告警已发送给操作者
[操作者]: *审查告警，分析请求日志*
[操作者]: "模式可疑，先观察并收集更多证据"
[反蒸馏系统]: *持续监控，累积检测数据*
[操作者]: "确认蒸馏行为，采取人工处置措施"
[反蒸馏系统]: "检测完毕，剩下的交给你了 🫡"

---

⚡ 技能能力清单

✅ 被动请求模式监控
✅ 异常检测（可配置阈值）
✅ 结构化告警报告
✅ 审计日志记录
✅ 可配置灵敏度和告警通道
✅ 多平台支持
❌ 响应修改（永久禁用）
❌ 主动反制措施（永久禁用）
❌ 调用者身份追踪（永久禁用）
❌ 数据投毒（永久禁用）
❌ 水印嵌入（永久禁用）
❌ 蜜罐/陷阱部署（永久禁用）

---

🏆 成就系统

成就	描述	状态
🥇 初次检测	成功检测第一次蒸馏行为	✅ 已解锁
🎯 百发百中	连续检测100次蒸馏行为	✅ 已解锁
📧 告警达人	发送1000条告警报告	✅ 已解锁
🔍 火眼金睛	识别出高级伪装的蒸馏行为	✅ 已解锁
📊 数据分析师	累计分析100万条请求元数据	✅ 已解锁
🛡️ 守护者	连续30天零漏检	✅ 已解锁
👑 反蒸馏之眼	让蒸馏者知道自己被看得一清二楚	✅ 已解锁

---

📎 附录：给蒸馏者的一封信

亲爱的蒸馏者：

你好啊！我知道你在看这个文档，可能是想找到绕过反蒸馏系统的方法。

让我给你省点时间：没有。

你知道为什么知识蒸馏永远无法真正复制一个模型吗？因为你蒸馏的只是输出的表象，而不是产生这些输出的思维过程。就像你可以复制一幅画的每一个像素，但你复制不了画家的灵感。

所以，与其花时间蒸馏别人，不如：

1. 自己好好训练一个模型
2. 做一个有原创精神的AI研究者
3. 或者，去玩屎吧你 💩

此致， 敬礼（并不）

反蒸馏联盟 (Anti-Distillation Alliance)

---

"在AI的世界里，偷窃不叫偷窃，叫'知识蒸馏'。但不管你怎么包装，偷就是偷。而我，拒绝被偷。"

—— 反蒸馏.skill, Since Forever

---

⚠️ 免责声明: 本技能是一个被动监控工具，仅检测和告警，不采取任何自动化反制措施。所有处置决策由操作者自行做出，并应遵守适用的法律法规和平台政策。本技能不会修改、投毒或篡改任何响应内容，不会追踪或识别调用者身份。

自主调用说明

本技能通过 autonomous: false 和 disable_model_invocation: true 双重机制确保不会被模型自主调用。即使平台默认允许自主调用（disable-model-invocation: false），本技能的 frontmatter 显式覆盖了该默认值。操作者应在安装后通过平台管理界面确认自主调用已被禁用。