論文の概要: Stealthy Poisoning Attacks via Reused KV Cache of Reasoning

• arxiv url: http://arxiv.org/abs/2610.22873v1
• Date: Fri, 16 Oct 2026 03:22:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.739043
• Title: Stealthy Poisoning Attacks via Reused KV Cache of Reasoning
• Title（参考訳）: 再使用KVキャッシュによるステルス性中毒攻撃
• Abstract要約: R$2$ECAP (Reused Reasoning-Cache Poisoning) はブラックボックス攻撃で、システムのチャットインターフェースとのインタラクションによってのみトレーストレースを害する。 R$2$ECAPは、最大79%の攻撃成功率(ASR)を達成し、9つのリソース制限された設定のうち8つで、最先端のホワイトボックスKV中毒攻撃であるHijackKVを上回っている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern large language model (LLM) systems reuse key-value (KV) caches to accelerate inference. Recent work has shown that reusing KV caches from reasoning traces can also improve task performance, similar to retrieval-augmented generation (RAG). We demonstrate that this form of KV cache reuse introduces new poisoning vulnerabilities. We propose R$^2$ECAP (Reused Reasoning-Cache Poisoning), a black-box attack that plants poisoned reasoning traces solely through interactions with a system's chat interface. R$^2$ECAP constructs two traces: a preceding trace that steers the model toward an adversarial target and a retained trace that carries this target. Because the retained trace is generated conditioned on the preceding trace, its KV cache preserves residual adversarial influence, even after the preceding trace and its cache entries are discarded. We evaluate R$^2$ECAP on three open-weight LLMs and three datasets. R$^2$ECAP achieves up to 79% attack success rate (ASR) and outperforms HijackKV, a state-of-the-art white-box KV poisoning attack, in 8 of 9 resource-constrained settings. It also achieves 46% ASR in a realistic reasoning-trace retrieval system. Finally, R$^2$ECAP remains stealthy, with only 1% of its retained responses detected by a popular prompt injection detector.
• Abstract（参考訳）: 現代の大規模言語モデル(LLM)システムは、推論を加速するためにキー値(KV)キャッシュを再利用する。 近年の研究では、KVキャッシュを推論トレースから再利用することで、検索強化生成(RAG)と同様、タスク性能を向上させることが示されている。 この形態のKVキャッシュの再利用は新たな中毒性脆弱性をもたらすことを実証する。 R$^2$ECAP (Reused Reasoning-Cache Poisoning) はブラックボックス攻撃であり,システムチャットインタフェースとのインタラクションを通じてのみ,原因不明の推論トレースを植え付ける。 R$^2$ECAPは2つのトレースを構築する。 保持されたトレースが前回のトレースに条件付きで生成されるため、そのKVキャッシュは、前回のトレースとキャッシュエントリが破棄された後も、残留する敵の影響を保存する。 3つのオープンウェイトLLMと3つのデータセットに対してR$^2$ECAPを評価する。 R$^2$ECAPは、最大79%の攻撃成功率(ASR)を達成し、9つのリソース制限された設定のうち8つで、最先端のホワイトボックスKV中毒攻撃であるHijackKVを上回っている。 また、現実的な推論トレース検索システムでは、46%のASRを達成している。 最後に、R$^2$ECAPはステルス性を維持し、その残留反応の1%は一般的なプロンプト注入検出器によって検出される。

関連論文リスト

• Defending Retrieval-Augmented Intrusion Detection Against Knowledge Poisoning and Prompt Injection [0.0]
  本稿では,検索境界ディフェンスを用いた3層マルチエージェント侵入検出フレームワークであるRAG-IDSを提案する。 即時注入では、複数文書検索ではラベルフリップが0.6-2.4%に制限され、シングルドキュメント検索では35-55%に制限された。
  論文  参考訳（メタデータ） (2026-08-08T12:29:47Z)
• HijackKV: New Threat in Position-Independent KV Cache Reuse [18.183961370228833]
  キーバリュー(KV)キャッシュは、大規模言語モデル(LLM)の推論遅延を低減する この設計には新たな脅威であるKVキャッシュハイジャックが導入されている。 この脆弱性を体系的に活用する最初のアタックフレームワークであるHIJACKKVを紹介する。
  論文  参考訳（メタデータ） (2026-07-22T09:32:45Z)
• RecurGuard: Runtime Monitoring for Reasoning-Token Consumption Attacks [0.0]
  推論可能な大言語モデルは、ユーザの質問に答えるのではなく、注入されたデコイタスクに世代予算を費やすように誘導することができる。 RecurGuardは、推論チェーンの消費攻撃を検出するランタイムモニタです。
  論文  参考訳（メタデータ） (2026-06-06T03:52:27Z)
• ForesightKV: Optimizing KV Cache Eviction for Reasoning Models by Learning Long-Term Contribution [84.41751286055909]
  我々は、長文世代におけるどのKVペアを退避させるかを予測する訓練ベースのKVキャッシュ消去フレームワークを開発した。 我々は、マルコフ決定過程としてキャッシュ消去を定式化し、GRPOアルゴリズムを適用し、低エントロピートークンにおける言語モデリング損失の増加を緩和する。
  論文  参考訳（メタデータ） (2026-02-03T07:16:51Z)
• From Transactions to Exploits: Automated PoC Synthesis for Real-World DeFi Attacks [15.23851315830671]
  オンチェーンアタック実行から直接,概念実証(PoC)を検証可能な最初の自動フレームワークを提案する。 TracExpは、ノイズの多いマルチコントラクトトレースからアタック関連実行コンテキストをローカライズする。 我々は過去20ヶ月で321件の現実世界の攻撃についてTracExpを評価した。
  論文  参考訳（メタデータ） (2026-01-23T11:52:50Z)
• Shadow in the Cache: Unveiling and Mitigating Privacy Risks of KV-cache in LLM Inference [17.46930265810127]
  キーバリュー(KV)キャッシュは、冗長な計算を避けるために中間注意計算(キーとバリューペア)を格納する。 本稿では,攻撃者がKV-cacheから直接センシティブなユーザ入力を再構築できることを実証し,脆弱性の包括的解析を行った。 我々は,新しい,軽量で効率的な防御機構であるKV-Cloakを提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:48:25Z)
• Neural Antidote: Class-Wise Prompt Tuning for Purifying Backdoors in CLIP [51.04452017089568]
  CBPT(Class-wise Backdoor Prompt Tuning)は、テキストプロンプトでCLIPを間接的に浄化する効率的な防御機構である。 CBPTは、モデルユーティリティを保持しながら、バックドアの脅威を著しく軽減する。
  論文  参考訳（メタデータ） (2025-02-26T16:25:15Z)
• Certified Robustness to Clean-Label Poisoning Using Diffusion Denoising [56.04951180983087]
  我々は、$ell$-normの条件で、クリーンラベル毒殺攻撃に対する認証された防御を提示する。 $randomized$$smoothingによって達成された対向的堅牢性に触発されて、オフザシェルフ拡散復調モデルが、改ざんしたトレーニングデータの衛生化をいかに行うかを示す。
  論文  参考訳（メタデータ） (2024-03-18T17:17:07Z)
• DiffAttack: Evasion Attacks Against Diffusion-Based Adversarial Purification [63.65630243675792]
  拡散に基づく浄化防御は拡散モデルを利用して、敵の例の人工摂動を除去する。 近年の研究では、先進的な攻撃でさえ、そのような防御を効果的に破壊できないことが示されている。 拡散型浄化防衛を効果的かつ効率的に行うための統合フレームワークDiffAttackを提案する。
  論文  参考訳（メタデータ） (2023-10-27T15:17:50Z)
• Transferable, Controllable, and Inconspicuous Adversarial Attacks on Person Re-identification With Deep Mis-Ranking [83.48804199140758]
  システム出力のランキングを乱す学習とミスランクの定式化を提案する。 また,新たなマルチステージネットワークアーキテクチャを開発することで,バックボックス攻撃を行う。 そこで本手法では, 異なるマルチショットサンプリングにより, 悪意のある画素数を制御することができる。
  論文  参考訳（メタデータ） (2020-04-08T18:48:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。