The More It Says, the More You Pay: A Black-Box Audit of Provider-Side Token Inflation in LLM Services
该论文关注按 token 计费的 LLM 服务中的一个经济安全风险：不诚信的服务提供方可以在基本保持任务可用性的前提下，隐蔽地操纵生成过程以抬高输出 token 数量，从而让用户支付更多费用。作者将这类操纵定义为“提供方侧 token 膨胀
#black-box-audit
共收录 3 条相关情报。
← 返回所有主题Ventor-QTest: Threat-Model-Driven Verification of Vendor-Hosted LLM APIs
随着大语言模型（LLM）的广泛部署，第三方供应商提供的开源权重模型推理服务已成为生态系统的重要一环，但对其推理 API 质量的审计仍然是一个开放问题。本文提出 Ventor-QTest，一种无需目标 API 提供任何概率信息的复合黑盒审计方
Which Model Is Actually Serving You? IRIS: Budgeted Black-Box Auditing of Model Substitution and Routing Dilution in LLM Gateways
商业大语言模型（LLM）网关作为用户与托管模型之间的中介，用户期望调用的是广告中宣称的模型。然而，实际后端可能被替换为更便宜的模型（完全替换），或者仅将部分请求（比例ε）路由至宣称模型而其余请求使用其他模型（路由稀释）。现有黑盒审计方法通常