论文提出通过浮点偏置加法泄露 logits 的侧信道方法

Shaomin Chen 和 Xiaorui Gong 发布 arXiv 论文《Logit Leakage through Floating-Point Bias Addition》，指出语言模型 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（logit）信息，即使完整未扰动 token 概率相同也可能产生可区分信号。 作者声称：在 binary32 算术假设和已知可达分数区间的条件下，该方法最多用 52 次 token 查询即可精确恢复一对 logit 及其未知的平局优先级。在 vLLM、SGLang 和 llama.cpp 三个系统的端到端实验中，自适应恢复在每个系统全部 128 个 Qwen3-0.6B 输入上成功，其中包括 64 个留出输入。

AI 根据报道生成 · 3 小时前更新