面向大语言模型的安全投机解码 SecureSD 研究

研究首次系统考察投机解码的安全影响，发现各类有损投机解码方法存在明显的安全—效用不对称：越狱与提示注入攻击成功率的上升速度远快于效用下降。为此提出理论引导的 SecureSD，针对 draft 模型在解码早期位置生成的 token 采用更严格的验证标准。在安全与效用基准上的实验显示，SecureSD 在保持效率与效用的同时显著提升安全性。