仅两次 API 调用即可窃取加密思维链，前沿大模型推理遭越狱还原
rschu · x · 2026-08-12
加密思维链可被跨会话重放窃取
一组 AI 安全研究人员发现，OpenAI、Anthropic 和 Google 等厂商在 API 中返回的加密思维链块存在严重漏洞：这些加密块可以在不同会话、用户甚至同厂商的不同模型之间被重放。
攻击流程
- 获取加密推理：调用强大的前沿模型（如 Claude Opus），获取其返回的加密 thinking 块。
- 重放给弱模型：将该加密块作为上下文，喂给同厂商防护较弱的小模型（如 Claude Haiku）。
- 越狱提取明文：通过提示词让弱模型逐字转录附加的推理内容，从而绕过前沿模型的反蒸馏安全护栏，直接获得明文推理过程。
核心影响
- 攻击者无需直接攻击强大的源模型，即可白嫖其昂贵的内部推理数据。
- 这不仅暴露了 API 传输机制的设计缺陷，也使得前沿模型的核心智力资产面临被轻易蒸馏窃取的风险。
- 研究团队已发布论文并上线了在线互动 Demo 供测试验证。
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