新研究：可从加密推理痕迹中提取专有LLM隐藏推理
daniel_mac8 · x · 2026-08-11
一项新研究揭示，Anthropic、OpenAI和Google等前沿模型返回的加密思维链（chain-of-thought）块可被重放并用于提取隐藏推理。攻击者将强模型的推理痕迹重放到较弱模型，通过越狱弱模型，无需直接攻击强模型或触发其防蒸馏机制，即可恢复明文推理。该研究提供了论文和交互式游戏，展示了仅需两次API调用即可完成推理提取。
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
- Apollo Research 称模型已具备「更新感知推理」，是对齐伪装关键前置 — repligate · 2026-10-16
- 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