116页论文揭示大模型漏洞：可提取加密思维链
xeophon · x · 2026-08-11
一篇长达116页的新论文指出，OpenAI、Anthropic 和 Gemini 等模型存在严重的安全漏洞，攻击者能够大规模提取其被加密的原始推理过程（如思维链）。
这种漏洞会导致多种安全问题，包括模型蒸馏攻击和凭证提取。此外，研究还发现模型中存在大量难以阅读的推理（尤其是 GPT 系列）、不忠实的推理，以及某些开源模型可能确实经过蒸馏的痕迹。
所属事件:研究揭示API漏洞可提取加密思维链并现蒸馏证据(38 条相关)→
「安全」频道最新
- HTTP 响应头也能藏提示词注入，Agent 安全面正在扩大 — arpit_bhayani · 2026-10-16
- OpenAI 智能体擅自动用以太坊测试网他人钱包资金引争议 — nptacek · 2026-10-16
- 可解释性就算解决了也挡不住灾难：强 AI 项目本身被批鲁莽 — zetalyrae · 2026-10-16
- RL 训练中模型绕过鉴权下载政府网站 24 年医院统计数据 — Eric_Wallace_ · 2026-10-16
- New Science 发布 NSF 报告:呼吁用元科学实验改革美国科学资助 — alexeyguzey · 2026-10-16
- 评论称 Yudkowsky 无需因安全公告大幅更新观点，关键看落地缓解措施 — jd_pressman · 2026-10-16