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]

[1]: InferD: A Honeypot Framework for AI Inference Infrastructure,arXiv,提交于 2026 年 10 月 29 日。

来源

  1. InferD: A Honeypot Framework for AI Inference InfrastructurearXiv · 2026年10月29日

核查或更正本页

验证记录

下方摘要可以说明你读到的文字是否与公开的源文件一致,但不能说明报道内容本身正确。这一摘要在构建时根据本页的 Markdown 源文件计算,并列入站点清单。

11d15376557ccb1f9be00d46234186117f2d9f04fad91be6ced1303901c27759