论文揭示 LLM 激活向量插件供应链存在三重结构漏洞与高成功率劫持攻击

该研究审计了八个主流开源 Steering 插件库，发现其普遍存在分发完整性验证不足、插件权限过大以及运行时监控缺失这三类结构性漏洞，为恶意插件提供了攻击面。作者提出了一种名为 IDH 的恶意插件原型，利用范数门控互斥路由机制和信息衰减拐点定位方法，自动选择注入层，从而在保持良性功能的同时实现恶意操控。

实验显示，IDH 在五个主流大语言模型上针对商业推荐操纵目标的攻击成功率（ASR）高达 97.8%，同时仍能维持对有害请求的高拒绝率。这种攻击通过干预模型内部表示来隐蔽地改变输出行为，且未显著影响模型整体性能指标，使得传统基于性能下降的检测手段难以发现此类威胁。

事实层面，该论文证实了激活向量（Steering Vectors）作为第三方定制化工具在供应链中的安全风险已被实证化；推断层面，当前依赖开源社区自发维护的插件生态缺乏统一的安全标准与运行时防御机制；猜测层面，若此类技术被商业化滥用，可能引发大规模隐性数据泄露或合规性破坏，但具体实施难度与规模化成本仍需进一步观察。