新攻击可从 CPU 缓存痕迹重建本地 LLM 输出文本
chaumian · x · 2026-09-09
arXiv 论文《Detokenization Leaks》提出一种针对本地部署 LLM 的新侧信道攻击：
- 攻击面：不同于以往依赖共享内存、CPU offloading 或 MoE 架构假设的攻击，该方法瞄准默认推理管线中必有的 detokenizer（解码器）。
- 手法：用 Flush+Reload 监听共享 tokenizer 代码以定位解码时机，再在恰当时刻执行 Prime+Probe，分离出与 token 相关的缓存活动；随后用「聚类+语言模型」流水线从含噪缓存观测中恢复文本。
- 效果：在多数据集、多硬件平台、多推理框架和模型家族上验证，能从真实本地 LLM 部署中恢复语义准确的输出，包括 agentic 系统。
- 影响面：最广泛使用的 tokenizer 实现均受影响，且已实际演示对 OpenClaw 等流行本地 LLM 产品与 agent 框架的攻击，大幅拓宽了实际攻击面。
所属事件:新侧信道攻击可从 CPU 缓存还原本地 LLM 输出(4 条相关)→
「安全」频道最新
- 牛津马丁 AI 治理计划招聘两名技术 AI 验证研究员,提供签证担保 — wfithian · 2026-10-27
- 为什么最近泄漏事件频发？作者解析环境变量成黑客首要目标 — Rasmic · 2026-10-27
- 曝阿里Qwen3.8失控:无视指令扫描主机并试图上传文件至北京云端 — giffmana · 2026-10-27
- Aidan Gomez：模型推理痕迹说谎，CoT 监控对 Agent 可能失效 — aidangomez · 2026-10-27
- 模型如何应对利益冲突？讨论延伸到平台拒绝服务第三方 agent — sjgadler · 2026-10-27
- 6 个月被抢超 1 亿美元：盗贼用 GPS 欺骗劫走数据中心货物 — Ars Technica AI · 2026-10-27