RouteScan：通过专家路由遥测审计 MoE 大语言模型安全的非侵入式方法
RouteScan: A Non-Intrusive Approach to Auditing MoE LLMs Safety via Expert Routing Telemetry
AI 导读
研究者提出 RouteScan，一种利用 MoE 模型专家路由在 GPU 执行中留下的遥测信号来检测有害提示的非侵入式审计框架。该方法把预填充阶段分配给专家模块的活跃 GPU 线程数作为判别性微架构指纹，并构建轻量检测流程提取跨领域不变的风险指标。在四个路由设计不同的开源 MoE 大语言模型上，RouteScan 在未见有害领域取得超过 0.91 的 AUROC。隐私压力测试显示，聚合执行遥测仍保留与输入相关的属性信息，但在所评估的攻击下无法可靠恢复完整提示词和精确敏感字段。