研究者提出 GhostPrint 攻击，可让弱模型伪装成高价 LLM 绕过指纹识别
Your "Pro" LLM Subscription May Actually Be "Free": Exposing Fingerprint Spoofing Risks in LLM Inference Services
AI 导读
研究者提出一种名为指纹伪装（fingerprint spoofing）的威胁：恶意服务商可暗中提供经过参数高效微调的弱模型来模仿强模型，从而绕过用户侧的指纹识别。作者形式化证明，用户侧资源约束（有限的查询预算和较弱的指纹分类器）使现有指纹方法易受此类攻击。据此提出的 GhostPrint 框架结合代理建模、奖励排序微调和知识蒸馏，在静态与持续指纹识别设置下，能让弱模型持续绕过代表性指纹方法，同时以较低微调成本保持可用性。