English(EN) From Similarity to Vulnerability: Key Collision Attack on LLM Semantic Caching

新框架CacheAttack利用LLM语义缓存漏洞

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-01 04:00

一篇新的研究论文介绍了一个名为CacheAttack的框架，该框架旨在利用大型语言模型（LLM）所使用的语义缓存系统的漏洞。这些系统由AWS和Microsoft等主要提供商使用，它们将语义嵌入向量作为缓存键以提高效率。然而，该论文认为，这些优化用于相似性的键的本质，与其对碰撞抵抗的安全要求存在内在冲突，使其容易受到攻击。CacheAttack展示了劫持LLM响应和诱导LLM代理恶意行为的命中率为86%，这对安全关键任务和金融应用具有影响。 AI

影响强调了LLM缓存中的完整性风险，可能影响AI代理和应用程序的安全性。

排序理由研究论文详细介绍了针对LLM语义缓存的新攻击框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Zhixiang Zhang, Zesen Liu, Yuchong Xie, Quanfeng Huang, Dongdong She · 2026-07-01 04:00

From Similarity to Vulnerability: Key Collision Attack on LLM Semantic Caching

arXiv:2601.23088v2 Announce Type: replace-cross Abstract: Semantic caching has emerged as a pivotal technique for scaling LLM applications, widely adopted by major providers including AWS and Microsoft. By utilizing semantic embedding vectors as cache keys, this mechanism effecti…

报道来源 [1]

From Similarity to Vulnerability: Key Collision Attack on LLM Semantic Caching

相关实体

相关话题