arXiv 论文：通过 CPU 缓存迹还原本地 LLM 输出，最高成功率 95%
rohanpaul_ai · x · 2026-09-11
论文《Detokenization Leaks: Reconstructing Local LLM Outputs From Cache Traces》（arXiv:2609.06674）提出一种新攻击：通过观测本地部署 LLM 在去分词阶段的 CPU 缓存活动重建生成文本。
- 与以往依赖共享内存、CPU offloading 或 MoE 架构假设的攻击不同，该方法针对默认推理管线的去分词组件
- 用 Flush+Reload 监测共享 tokenizer 代码确定解码时机，再用 Prime+Probe 分离 token 相关缓存活动，最后用聚类+语言模型管线从噪声中恢复文本
- 在多数据集、多硬件、多推理框架和模型家族上均能恢复语义准确的输出，包括 OpenClaw 等 agentic 系统
- 主流 tokenizer 实现普遍受影响，攻击面覆盖大量本地 LLM 产品与 agent 框架
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
- AVERI 首次独立审查亚马逊内部 AI 安全测试,亚马逊将改测试方式 — Miles_Brundage · 2026-10-27
- 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