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。
#AI 隐私
arXiv 隐私论文精选AI 评分6666
arXiv 隐私论文精选AI 评分6060 研究用 LLM 分析 570 万条 Reddit 帖，构建 12 类 AI 危害分类体系
研究提出一套 LLM 辅助的主题分析流程，从大规模社交媒体数据中动态识别、分类并追踪新兴 AI 危害。作者分析了 18 个月（2025 年 1 月至 2026 年 6 月）内 570 万条 Reddit 帖子摘要，整理并发布包含 57.5 万条 AI 危害相关帖子的数据集，以及涵盖 12 个类别、47 个子节点的自下而上 AI 危害分类体系。
推荐理由：论文用 570 万条 Reddit 帖构建自下而上的 AI 危害分类体系，其中包含自上而下框架忽略的 AI 隐私侵害细分类型。
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。
404 Media精选AI 评分7676 Meta 在 Muse 上线前紧急修复 KVM 逃逸漏洞
404 Media 获悉，Meta 工程师在 AI 智能体产品 Muse 上线前数周发现多个安全漏洞，其中至少一个可能让普通用户突破虚拟机隔离，访问 Meta 内部敏感数据库和服务。
推荐理由：披露 Meta 在 Muse 上线前紧急修复 KVM 逃逸漏洞的内部过程，可了解 AI 智能体与生产环境仅隔一层虚拟化的风险。
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