研究证实：可通过弱模型提取闭源大模型加密思维链
tw1st3d_m3nt4t · reddit · 2026-08-12
一项新研究揭示了主流大模型 API 的严重安全隐患：Anthropic、OpenAI 和 Google 等厂商返回的加密思维链区块，可以被跨会话、跨用户和跨模型重放。
研究人员通过将前沿模型生成的加密轨迹重放到较弱的同族模型中，对弱模型进行越狱，最终成功以纯文本形式恢复了强模型的隐藏推理过程。这种攻击方式无需直接攻击强大的目标模型，也不会触发其防蒸馏安全护栏。
所属事件:闭源大模型思维链加密被证实可被窃取(16 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