InferD：面向 AI 推理基础设施的低交互蜜罐框架
论文AI 评分 62/100arXiv cs.AI
AI 聚合
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
研究提出 InferD，一个针对大模型服务栈、商业推理 API、向量数据库与智能体编排网关的低交互蜜罐框架。其核心原则是「只欺骗、不推理」：攻击者能观察到的每个请求都由静态响应池作答，提交内容一律不执行。框架把仿真拆为传输、服务协议、漏洞面、智能体会话四个欺骗平面，并增加溯源平面，将投放的凭据与下游模型处理证据关联。论文由 Hicham Hammouchi 与 Gabriele Lenzini 提交，收录于 AISec Workshop '26（ACM CCS 2026）。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载为什么需要专用蜜罐
材料指出，大模型服务栈、商业推理 API、向量数据库和智能体编排网关如今都暴露在公网上，部署后数小时内就会被通用扫描器索引。这类表面的威胁特征刚开始被测量，而现有蜜罐框架是为传统网络服务设计的，并不适配 AI 基础设施。仿真 AI 服务因此成为一个独立的欺骗问题：模型清单、token 格式、工具调用协议、授权流程等可观察行为必须被忠实复现，但底层的模型推理与工具执行绝不能真正发生。
四个欺骗平面加溯源
InferD 是低交互蜜罐框架，围绕「只欺骗、不推理」这一原则组织：攻击者能观察到的每个请求都从静态响应池取答案，提交的任何内容都不会被执行。框架把仿真分解为传输、服务协议、漏洞面、智能体会话四个欺骗平面，覆盖从连接层到智能体会话层的可观察行为。此外还增加一个溯源平面，把预先投放的凭据与下游经模型处理的证据关联起来，用于判断攻击者是否触及了更深层的链路。
发表信息
论文由 Hicham Hammouchi 与 Gabriele Lenzini 撰写，提交时间为 2026 年 10 月 29 日，arXiv 编号 2610.39807，主分类为密码学与安全（cs.CR），交叉分类为人工智能（cs.AI）。该工作发表于 AISec Workshop '26，会议为 ACM CCS 2026，地点为荷兰海牙。材料未给出实验规模、部署方式或与既有蜜罐方案的量化对比。
为什么值得看
AI 推理服务上线数小时内即被扫描器索引，如何安全测量这类暴露面的威胁，是安全与运维团队的现实问题。
大模型智能体API论文
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。