[AI]《Stealing Reasoning Traces from Proprietary LLM APIs》A Panfilov, D Schmotz, I Shumailov, L Beurer-Kellner… [MATS Research & ELLIS Institute Tübingen & AI Sequrity Company] (2026)

在大型语言模型API安全领域，窃取其加密推理链是一大难题。过去的方法受困于强模型的严密防御，其本质原因是业界将安全寄托于加密，忽视了API架构的系统性漏洞。

本文的核心洞见是：把加密推理块看作跨模型通用的“状态密钥”。由此，将强模型的加密块注入同族弱模型，诱使其解密并明文转述，这一关键操作使问题得以解开。

这项工作留下的遗产是揭示了API无状态设计中的系统性安全盲区。它为后来者打开的新门是利用模型家族的“安全梯度”进行降级攻击，但尚未跨过的门槛是构建真正隔离的客户端状态管理。

arxiv.org/abs/2608.09867 机器学习 人工智能 论文 AI创造营