OpenAI ได้ประกาศแนวทางในการต่อสู้กับการกลั่นกรองแบบ adversarial (Adversarial Distillation) ซึ่งเป็นวิธีการที่ผู้ไม่หวังดีสามารถลอกเลียนความสามารถของโมเดล AI ระดับสูงและนำไปใช้งานโดยไม่มีมาตรการป้องกันที่เหมาะสม ซึ่งอาจนำไปสู่ความเสี่ยงด้านความปลอดภัย เช่น การใช้โมเดลที่ถูกกลั่นกรองเพื่อโจมตีทางไซเบอร์ หรือช่วยในการพัฒนาเชื้อโรคอันตราย OpenAI จึงได้รวมวิธีการทดสอบแบบ adversarial, การฝึกอบรมโมเดล, ตัวจำแนก (classifiers) และการป้องกันระดับ API เข้ากับการสืบสวนความพยายามในการดึงความสามารถของโมเดลอย่างเป็นระบบ
สิ่งที่ OpenAI เน้นเป็นพิเศษคือการป้องกันการดึง "กระบวนการให้เหตุผลที่ได้รับการป้องกัน" (protected reasoning) ซึ่งเป็นขั้นตอนกลางที่โมเดลสร้างขึ้นภายในขณะที่ทำงานเพื่อหาคำตอบ หรือที่เรียกว่า chain-of-thought เนื่องจากข้อมูลเหล่านี้อาจมีรายละเอียดที่คำตอบสุดท้ายไม่ได้แสดงออกมา ทำให้เป็นข้อมูลการฝึกอบรมที่มีค่าอย่างยิ่งสำหรับโมเดลอื่น ๆ บริษัทได้เสริมความแข็งแกร่งในการป้องกันการดึงกระบวนการให้เหตุผลดังกล่าวในโมเดล GPT-6.2 Astra และ GPT-6.2 Sol จากการประเมินภายใน พบว่าอัตราความสำเร็จของการโจมตีลดลงอย่างมากจาก 54.0% ใน GPT-6 Astra ที่ใช้มาตรการป้องกันเดิม เหลือเพียง 0.2% ใน GPT-6.2 Astra ที่ใช้มาตรการป้องกันที่อัปเดตแล้ว มาตรการเหล่านี้ช่วยจำกัดการถ่ายโอนความสามารถด้านไซเบอร์แม้ในงานที่ได้รับอนุญาตตามนโยบายการใช้งาน