论文指出仅凭查询监控难以检测分布式模型提取且存在明确失效边界

该研究通过一百万次真实对话和后续十七周未干预数据，证明在缺乏网络和支付元数据时，仅靠查询内容无法可靠区分恶意提取与良性用户协调。核心结论是：只有当提取活动的特征显著高于同周内最独特的普通用户群时，才能被检测到；否则活动将完全隐形。

实证数据显示，校准后的全局监控器能捕获 naive 分布式提取（0.86-1.00 周），而一种剔除话题热度后选择协同移动账户的变体方案可捕获部分填充自然文本的活动（0.50-0.96 周），但其他两种谱系检测器对此无效。然而，成功逃避所有检测器的提取活动，其蒸馏出的学生模型能力上限仅为可检测活动的 42%。同时，研究明确了具体失效场景：缓慢爬升的活动会破坏校准、良性评估流程与蒸馏无异、合谋份额低于 2.5% 时无部署级检测器可用，以及转发真实用户请求的活动对纯查询监控不可见。

事实层面，本研究证实了基于单一查询维度的防御存在物理极限，而非技术实现不足。推断层面，这意味着依赖“查询指纹”的安全策略在应对有组织的分布式攻击时将大幅失效，必须引入外部信号。猜测层面，若攻击者采用极低比例的合谋节点或模仿正常业务流量模式，现有架构可能完全无法感知，需重新评估单位经济成本与风险敞口。