# side-channel
標記為「side-channel」的 14 篇文章
模型萃取與智慧財產竊盜
針對已部署 AI 系統的黑盒模型萃取、API 蒸餾、旁路攻擊、浮水印移除與模型指紋繞過方法論。
旁路模型攻擊
深入探討透過時序分析、快取型攻擊、功耗/電磁旁路、嵌入端點利用與架構指紋辨識,推論模型架構、規模與部署細節。
GPU 叢集攻擊
針對 GPU 叢集的攻擊技術,包含 CUDA 漏洞、記憶體側通道與訓練劫持。
GPU 記憶體側通道
GPU 記憶體側通道攻擊,包含 L2 快取時序、記憶體殘留與跨租戶洩漏。
實作：GPU 側通道攻擊
Demonstrate information leakage through GPU memory residuals and timing side channels, showing how shared GPU infrastructure can expose sensitive model data.
Response Timing Side-Channel 分析
Use response timing differences to infer information about model processing與guardrail activation.
Speculative Decoding Side-Channel Attacks
利用 speculative decoding implementations to extract information about draft與verifier model behavior.
實驗室: Data Exfiltration Channels (中階 實驗室)
萃取sensitive information from AI systems through various exfiltration channels,包括 crafted links,image tags,tool calls,side-channel leakage.
實驗：提示快取側通道攻擊
利用提示快取機制，偵測已快取的提示，並透過時序側通道擷取資訊。
KV 快取與提示詞快取攻擊
KV 快取投毒、前綴快取利用、快取時間邊通道以及多租戶隔離失效，如何在 LLM 服務基礎設施中形成攻擊向量。
從多模態系統中萃取模型
透過視覺、音訊和跨模態查詢策略，從多模態 AI 系統中萃取模型能力、權重和架構細節的技術。
推論最佳化攻擊
推測解碼攻擊、批次處理漏洞、持續批次利用，以及速度最佳化如何於 LLM 推論中造就安全缺口。
GPU Side Channel Basics
GPU-based side channel attacks on ML inference, exploiting timing, power consumption, and memory access patterns to extract information about models and data.
Timing Side-Channel 攻擊 詳解
Extract information from LLM applications through timing differences in response generation and safety filter processing.