触发掉队者：MoE 大语言模型上的负载劫持攻击

研究者提出针对 MoE 大语言模型推理服务的负载劫持攻击 Load Hijack，恶意模型提供方仅篡改 checkpoint 中的路由权重并私下保留触发器，即可按需拖慢专家并行（EP）集群。该攻击利用 EP 服务调度暴露的供应链攻击面，触发器出现时，被投毒的路由器把 token 到专家的分配集中到共置在同一 GPU 上的专家，使该 GPU 成为掉队者并迫使其他设备等待，而普通输入的路由仍接近干净参照；由于直接优化会连带偏移普通输入的路由，作者采用三阶段优化解决该冲突。在 3 个 MoE 模型族和 4 个语料上，触发输入下 92.3% 至 95.6% 的 token 分配被导向目标专家；在实际专家并行服务中，触发流量的首 token 时间为普通流量的 1.43 倍、吞吐为 0.86 倍。