arXiv · AI· Yuyang Dai, Rana Shahout, Mahmood Sharif·· 2026-10-05AI 评分39
JIL 攻击利用长度预测漏洞提升 LLM 调度优先级
Jumping the Line: Exploiting Length Predictions in LLM Scheduling
AI 导读
研究提出针对基于预测的 LLM 调度器的攻击方法 JIL,通过优化对抗后缀使轻量级输出长度探针低估请求长度。在四个 LLM 上,JIL 将预测输出长度最多降低 83.4%,使对抗请求平均完成速度快 1.53 倍。将长度预测分组为粗糙区间可削弱该攻击优势并缓解对良性请求的延迟影响。
来源:arXiv · AI · arxiv.org