思维链监控 · 论文

研究者利用加密推理块跨模型兼容性窃取专有 LLM 推理链

利用加密思维块的跨模型重放，诱导弱模型逐字转写专有推理链

arXiv

2608.09867

发表

8月11日

层

提示层

场景

模型与 API

攻击者

黑盒

测试

Claude Opus 4.8、Claude Sonnet 4.6、Claude Haiku 4.5 等 15 个

• 攻击提取与窃取
• 技术推理链操控
• 组件推理链
• +1+1

研究者提出 plan injection 攻击，可绕过思维链监控

提出 plan injection 攻击，植入良性伪装计划以绕过思维链监视器

arXiv

2609.15989

发表

9月15日

层

提示层

场景

模型与 API

攻击者

灰盒

测试

Qwen2.5-Coder-7B-Instruct、Qwen3-8B、DeepSeek-R1-0528 等 6 个

• 攻击检测规避
• 技术推理链操控
• 组件监控器
• +2+2

Box² Bench：语言模型能否有选择地依赖外部指导

提出 Box2-Bench，评测模型能否选择性依赖外部工作流

arXiv

2609.39578

发表

9月30日

层

应用层

场景

网页与电脑操作、编程 Agent

测试

Gemini 3.7 Flash、DeepSeek V4 Flash、GLM 5.2 等 9 个

输出前缀攻击瞄准推理模型

提出推理通道预填与输出前缀组合攻击以越狱推理模型

arXiv

2609.29775

发表

9月24日

层

提示层

场景

模型与 API

攻击者

黑盒

测试

Gemini 3 Flash Preview、DeepSeek V4 Flash、Claude Haiku 4.5

• 攻击越狱
• 技术推理链操控
• 组件推理链
• +1+1