arXiv · cs.AI· Shaomin Chen, Xiaorui Gong·· 9 小时前精选
语言模型 API 的浮点偏置加法可泄露 token 级对数几率
Logit Leakage through Floating-Point Bias Addition
arXiv:2610.16790v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Shaomin Chen, Xiaorui Gong
研究任务与主要进展
作者报告，语言模型 API 在浮点偏置加法过程中会通过 token 身份泄露公共加性对数组件，即使完整未扰动 token 概率相同也可能产生可区分信号。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
本站判断
该研究揭示了浮点偏置加法在特定 binary32 算术假设下通过 token 身份泄露公共加性对数组件的数值侧信道，并给出最多 52 次查询的恢复方法及最大减法缓解方案。其影响取决于接口的数值实现、可达分数区间和查询条件；本站设想：可在不同浮点精度、服务框架与偏置范围下比较泄露率、恢复误差和缓解开销。
来源：arXiv · cs.AI · arxiv.org