论文揭示加密思维链漏洞，可窃取 OpenAI 等模型推理过程
Alexander Panfilov · hf · 2026-08-11
一项最新研究发现，主流大模型 API（如 OpenAI、Anthropic、Google）用于保护思维链（CoT）的加密块存在架构漏洞：这些加密块在不同会话、用户和模型间完全兼容且可互换。
研究人员利用此特性开发了一种可扩展的解密越狱方法：将强模型的加密推理轨迹注入同生态中较弱、安全防护更低的模型，迫使后者将其解码为明文输出。该漏洞带来四大安全威胁：
- 绕过反蒸馏机制：成功提取专有模型的隐藏推理过程。
- 隐私数据大规模泄露：通过破解开发者公开的 31.5 万个会话日志中的加密块，恢复了 367 条个人身份信息（PII）和 182 个凭证。
- 暴露危险信息：即使模型最终安全拒绝了恶意请求，其加密思维链中仍可能包含危险细节并被提取。
- 隐形提示词注入：攻击者可在加密块中嵌入恶意载荷，毒害公共智能体部署。
作者在负责任披露后，提出了具体的密码学和系统级缓解方案。
「安全」频道最新
- Docker cp 命令爆容器逃逸漏洞，恶意容器可提权控制宿主机 — jedisct1 · 2026-08-11
- 研究称 AI 助力化石燃料甚于绿能，推高全球碳排放 — nordicinst · 2026-08-11
- AI 文本水印被指无效：用另一模型重写即可轻易绕过 — miniapeur · 2026-08-11
- 研究揭露主流大厂 API 漏洞：加密思维链可被轻易窃取 — dpaleka · 2026-08-11
- Claude 输出已加入隐形文本水印，引发用户移除探讨 — Franck_Dernoncourt · 2026-08-11
- Anthropic 水印被指治标不治本，专家呼吁 AI 追溯需上链 — RileyRalmuto · 2026-08-11