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AI 评分4545 CPU-Auth：利用 DVFS 侧信道实现设备指纹认证
CPU-Auth 是一种基于设备 CPU 物理特性差异的新型认证机制，通过在浏览器内远程测量 DVFS 调频器的行为，提取 CPU 的独有特征来构建硬件级设备指纹。该研究在超过 50,000 条数据轨迹上使用距离度量与深度学习方法评估了 CPU-Auth 的性能。
arXiv 隐私论文AI 评分5555 PSCMIA：针对嵌入式机器学习的功耗侧信道成员推断攻击
研究提出 PSCMIA，一种针对嵌入式机器学习模型的功耗侧信道成员推断攻击，可直接从功耗轨迹推断样本是否用于训练，无需预测概率甚至预测标签。
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。
arXiv 隐私论文AI 评分2222 研究：细粒度情绪识别基准测的是生成式作答，而非感知能力
针对 EmoNet-Face-HQ 细粒度情绪识别基准，研究者保留其图像、分类体系与评分，仅把答案读取方式从生成式作答改为按类别逐项读取 logits 的二分类查询。
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。
Matthew GreenAI 评分6262 密码学家实测加密推理块：可跨账号重放，推理长度会泄露秘密
密码学家 Matthew Green 对 OpenAI 和 Anthropic 的加密推理块做了周末实验，发现未修改的旧推理块可跨会话、跨账号重放，OpenAI 甚至可跨模型重放，说明两家可能用单一全局密钥加密所有推理数据。