---
title: "InferD 作者提出面向 AI 推理基础设施的蜜罐框架"
dek: "arXiv 摘要介绍了一种用静态响应模拟 AI 服务、无需运行推理或执行所提交工具的方案。保存的来源未提供实现验证或部署结果。"
---

Hicham Hammouchi 和 Gabriele Lenzini 于 2026 年 10 月 29 日向 arXiv 提交 InferD 论文，提出面向 AI 推理基础设施的蜜罐框架。摘要将其描述为一种低交互诱饵，通过静态响应池模拟外界可观察到的 AI 服务行为。作者将核心原则称为“无需推理的欺骗”，并声称攻击者提交的任何内容都不会被执行。[^1]

论文针对的是威胁测量问题。摘要指出，大语言模型服务栈、商业推理 API、向量数据库和智能体编排网关已暴露在互联网上，而现有蜜罐框架主要面向传统网络服务。作者认为，要让 AI 诱饵呈现可信的服务接口，就需要忠实模拟模型列表、令牌格式、工具调用协议和授权流程等细节。[^1]

InferD 将模拟分为四个欺骗平面：传输、服务协议、漏洞面和智能体会话。此外还有一个溯源平面，作者称它可将植入的凭据与下游经模型处理的证据关联起来。保存的摘要没有解释如何验证这种关联，也未提供衡量其可靠性的数据。这些属于论文提出的主张，尚非经过独立核实的实现属性。[^1]

:::analysis
这些主张位于 T5 智能体层和 T2 运行时层，涉及外界可见的智能体会话及响应请求的服务机制；仅凭逼真的接口，无法确认系统没有进行推理或执行工具。用户和运营者应核查自身部署的确切版本、配置及请求处理行为是否符合静态响应设计；保存的来源没有指定修复版本或补救措施。这里涉及的可验证属性是可识别性：如果服务用户的确切版本和配置有记录且可核查，用户就能判断自己是否接触过该部署；本来源没有提供这样的部署记录。[^1]
:::

:::checked
我们于 2026 年 10 月 30 日阅读了保存的 arXiv 摘要及元数据页面，标题为《InferD: A Honeypot Framework for AI Inference Infrastructure》，版本标识为 arXiv:2610.39807v1。该页面可确认提交日期和作者提出的主张；我们没有阅读全文、检查代码或测试系统。保存的页面没有提供能够确认模拟保真度或不执行提交内容的部署结果。[^1]
:::

[^1]: [InferD: A Honeypot Framework for AI Inference Infrastructure](https://arxiv.org/abs/2610.39807)，arXiv，提交于 2026 年 10 月 29 日。
