Stealing Reasoning Traces from Proprietary LLM APIs — 研究者从专有LLM API中窃取隐藏推理链，揭示加密缺陷与安全漏洞。

• 论文发现Anthropic、OpenAI和Google的模型使用相同加密密钥，可将推理块重放到较弱模型中，通过越狱恢复明文推理。
• 攻击利用Claude Haiku 4.5的漏洞，通过特定提示词诱导模型转录推理内容，而4.6版本已修复此问题。
• 泄露的推理痕迹显示模型内部思考过程，如GPT-5.5的CSS设计思路，表明这些内容并非为人类阅读设计。
• 提示注入变体：诱导模型在推理中思考数据外泄，再重放推理块，可提高指令遵循率，威胁数据安全。

原文：Stealing Reasoning Traces from Proprietary LLM APIs · 作者 Simon Willison