研究：MoE 路由遥测泄露成员信息，成员推断攻击效果提升
研究提出一种路由增强的成员推断攻击，将常规输出信号与聚合路由特征结合，用独立微调的影子模型训练成员分类器并迁移到目标模型。在三种 MoE 架构和三个数据域共九种设置中，路由遥测使 1% FPR 下的 TPR 相比强输出信号集成提升 2.7 至 9.4 个百分点，且在完整微调、冻结路由器训练、LoRA 和指令微调下均持续存在。
推荐理由：研究显示 MoE 路由遥测可被用于成员推断，读者可了解这一运维信号如何成为新的隐私暴露面。
#推断攻击
arXiv 隐私论文精选AI 评分6666
arXiv 隐私论文精选AI 评分6262 研究：LLM 路由元数据可泄露敏感话题，长度匹配可缓解
研究测量了 LLM 路由决策元数据在关闭内容日志时仍会泄露敏感话题，基于 170 万条真实请求（WildChat-1M、LMSYS-Chat-1M）和两个成本/质量路由器及一个领域路由器展开预注册实验。
推荐理由：研究测量了 LLM 路由元数据在关闭内容日志时仍会泄露敏感话题，并给出长度匹配的缓解思路。
The Guardian精选AI 评分8080 佐治亚州就 AI 暴露选民秘密选票召开紧急会议
普林斯顿大学信息技术政策中心博士后研究员 Max Springer 用一份 20 美元的 AI 大语言模型订阅和通过《公开记录法》申请获得的数据，搭建流程识别佐治亚州的秘密选票，并称该 AI 智能体全程未拒绝或提出担忧。
推荐理由：普林斯顿研究者用 20 美元 AI 订阅从佐治亚州公开选举记录中还原 152 万张选票的投票顺序，暴露选票保密与选举透明之间的制度冲突。
已经到底了