浮点偏置加法中的logit泄漏侧信道

2026年10月15日，arXiv Artificial Intelligence 刊出 Shaomin Chen、Xiaorui Gong 的研究，提出浮点偏置加法中的数值侧信道：该侧信道仅凭 token 身份即可暴露分数向量中某一分量的信息，从而区分具有相同完整未扰动对数概率的分数向量。报道称，在所述 binary32 算术假设和已知可达分数区间下，该方法最多用 52 次 token 查询即可精确恢复一个 logit 对及其未知的平局优先级。在 vLLM、SGLang 及该 http URL 的端到端实验中，自适应恢复在每个系统的全部 128 个 Qwen3-0.6B 输入上成功，其中包括 64 个留出输入。研究还给出一个充分条件，通过在偏置相加前减去最大值来抑制共同平移泄露；在受控实验中，该缓解措施消除了观察到的共同平移变体之间的全部差异，并在所测试的随机偏置下保持 token 决策不变。目前进展为方法提出与实验验证，尚无后续跟进报道。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。