گزارش‌های اخیر نشان می‌دهد که شبکه‌ای گسترده شامل بیش از 80,000 سرور Relay (رله) در حال کمک به کاربران چینی برای پنهان کردن هویت و مکان خود جهت دسترسی به مدل‌های زبانی بزرگ (LLM) پیشرفته در ایالات متحده است. هدف از این اقدام احتمالاً دور زدن محدودیت‌های جغرافیایی و نظارتی برای کلون‌سازی (Cloning) این مدل‌هاست.
مکانیزم عملکرد سرورهای واسط
این سرورها به عنوان واسطه‌ای بین کاربر نهایی و ارائه‌دهندگان AI عمل می‌کنند. اپراتورهای این شبکه، اعتبارنامه‌های (Credentials) چندین حساب کاربری مختلف را تجمیع کرده و درخواست‌های کاربران را از طریق این سرورها به سرویس‌های پیشرفته‌ای نظیر OpenAI، Anthropic، Google و xAI هدایت می‌کنند. این روند باعث می‌شود ارائه‌دهندگان سرویس، به جای IP کاربر واقعی، تنها IP سرور Relay را مشاهده کنند.
تهدیدات امنیتی و استراتژیک
به گفته تحلیلگران Team Cymru، این روش باعث تخریب کنترل‌های امنیتی ارائه‌دهندگان AI می‌شود. مواردی نظیر Account Attribution (انتساب حساب)، metering (سنجش میزان مصرف)، Rate Limits (محدودیت نرخ درخواست) و تشخیص سوءاستفاده (Abuse Detection) همگی بر اساس هویت صاحب حساب اعمال می‌شوند، اما سرورهای Relay این فرض بنیادین را با جدا کردن درخواست‌کننده ظاهری از مصرف‌کننده واقعی، از بین می‌برند.
شواهد مربوط به Model Distillation
تحلیل ترافیک شبکه نشان‌دهنده حجم بالای داده‌های ارسالی از چین به APIهای شرکت Anthropic است. در یک بازه هشت‌روزه، کاربران حدود 81 گیگابایت داده آپلود کرده و تنها 1.4 گیگابایت پاسخ دریافت کرده‌اند. این نسبت غیرمعمول (58:1) نشان‌دهنده احتمال اجرای عملیات Model Distillation است؛ فرآیندی که در آن مهاجمان از خروجی‌های یک مدل پیشرفته به عنوان داده‌های آموزشی برای توسعه یک مدل ارزان‌تر و سبک‌تر که رفتار مدل اصلی را تقلید می‌کند، استفاده می‌کنند.
ابزارهای مورد استفاده
پژوهشگران دو بسته نرم‌افزاری متن‌باز به نام‌های Claude Relay Service (CRS 1.x) و نسخه تکامل‌یافته آن یعنی sub2api را شناسایی کرده‌اند که توسط توسعه‌کننده‌ای به نام Wei-Shaw در GitHub منتشر شده است. نرم‌افزار sub2api قابلیت‌هایی نظیر مدیریت کاربران، صورت‌حساب شخصی، تبدیل اشتراک به API و Auditing پرامپت‌ها را پشتیبانی می‌کند و تاکنون هزاران بار در GitHub فورک (Fork) شده است.
