研究人员破解 ChatGPT、Claude、Gemini 隐藏思维链：还能从公开记录中提取密码和 API Key

云头条 2026-08-12 3

2026 年 8 月 12 日，一项最新研究发现，OpenAI、Anthropic 和 Google 的部分前沿 AI 模型存在一种 API 架构漏洞，攻击者可以利用加密的推理数据，恢复模型原本不会向用户公开的完整“思维链”。

相关论文名为《Stealing Reasoning Traces from Proprietary LLM APIs》，由来自 MATS Research、ELLIS Institute Tübingen、马克斯·普朗克智能系统研究所、Tübingen AI Center、Snyk 等机构的研究人员共同完成，并于 8 月 10 日发布至 arXiv。

研究人员发现，目前一些 AI 厂商为了隐藏模型的内部推理过程，并不会直接向用户返回明文思维链，而是将模型产生的推理内容加密后返回给客户端。当用户继续对话时，客户端再把这段加密数据提交给服务器，以维持模型此前的推理上下文。

问题在于，这些加密推理数据并没有被严格绑定到原始用户、会话或者具体模型。

研究人员发现，同一家 AI 厂商不同用户、不同会话甚至不同模型之间的加密推理块可以被重新使用。

攻击者可以先获得一个能力更强模型生成的加密思维链，再将其提交给同一家厂商安全限制较弱的小模型，通过越狱让小模型直接输出其中的明文内容。

例如，研究人员展示了一次针对 Anthropic 模型的实验，首先由 Claude Opus 4.8 产生隐藏推理数据，随后将对应的加密推理块交给 Claude Haiku 4.5，并要求后者逐字转录其中的推理，最终成功恢复了 Opus 4.8 原本隐藏的思维链。

研究团队称，该方法已经在 OpenAI、Anthropic 和 Google 的前沿模型 API 中得到验证。整个过程不需要直接越狱目标旗舰模型，而是利用安全限制相对较弱的同系列模型间接“解密”。

更严重的问题来自用户隐私。

研究人员从 GitHub 和 Hugging Face 收集了 6708 条公开发布的 AI Agent 运行记录，其中包含 Claude、GPT 和 Gemini 留下的加密推理块。研究团队随后利用上述方法重建了 315320 段隐藏推理。

在排除基准测试等数据后，研究人员从真实用户会话中发现了 704 项不同的敏感信息，包括 62 个 API Key、33 个密码、24 个访问令牌以及 30 个个人电子邮箱地址，此外还有姓名、地址、内部 URL 等信息。其中 64 项敏感信息只存在于模型的隐藏思维链中，并没有出现在用户能够看到的最终回答中。

即使开发者在公开 AI Agent 运行日志时确认最终输出中没有密码等敏感内容，加密的模型思维链仍可能保存这些信息。

研究人员还发现，这种漏洞可能绕过模型厂商用于防止模型蒸馏的保护措施。由于攻击者能够获得高端模型更加完整的内部推理过程，相比只采集模型最终回答，这些数据可能包含更多可用于训练其他模型的信息。

研究中另一个受到关注的对象是月之暗面最新开源模型 Kimi K3。

研究团队获取 Claude Opus 4.8 和 GPT-5.6 Sol 的隐藏思维链后，对包括 Kimi K3 在内的多款开放权重模型进行了对比测试。

在部分任务中，研究人员仅向 Kimi K3 提供 Opus 4.8 推理过程最开始约 1% 的内容，Kimi K3 后续生成的推理以及最终回答就会明显向 Opus 4.8 的内容靠近。

在针对 90 道题目的测试中，这种现象在 Kimi K3 上尤其明显。

相比之下，DeepSeek 以及 Thinking Machines 的 Inkling 等模型没有表现出同等级别的相似现象。

研究人员认为，这些结果提供了一些与“推理蒸馏”相符的证据，但特别强调，实验“无法从因果关系上证明 Kimi K3 进行了蒸馏”。

换言之，目前不能据此认定月之暗面利用 Claude 或 GPT 的隐藏思维链训练 Kimi K3。

WIRED 报道称，研究团队已在约一个月前将漏洞通知 OpenAI、Anthropic 和 Google，三家公司随后均调整了 API，以缓解相关问题。

目前利用该方法直接提取用户敏感信息的漏洞已经被修复，不过研究人员表示，部分模型推理内容仍有可能通过类似方式恢复。

Anthropic 表示，公司重视针对其模型开展的独立安全研究，并已经开始针对论文描述的“重放”行为实施短期缓解措施。