ARTFEED — Contemporary Art Intelligence

GRIEF Fuzzer Scopre 15 Vulnerabilità nei Sistemi di Servizio LLM

ai-technology · 2026-05-13

Un team di ricercatori ha presentato GRIEF, un fuzzer greybox progettato per motori di inferenza LLM che identifica vulnerabilità legate al comportamento di stato condiviso nei layer di servizio. A differenza delle valutazioni tradizionali che si concentrano sulla sicurezza del modello o sulla correttezza delle API, GRIEF considera tracce di richieste multiple temporizzate come input primari, impiegando oracoli leggeri per scoprire crash, blocchi, anomalie prestazionali e corruzione silenziosa dell'output. I guasti riproducibili vengono validati tramite replay controllato con controlli di log-probabilità. Nei test iniziali su vLLM e SGLang, GRIEF ha identificato 15 vulnerabilità, di cui 10 verificate dagli sviluppatori del motore, incluse 2 CVE. Queste vulnerabilità riguardano problemi relativi a KV-cache, batching, condivisione dei prefissi, decodifica speculativa, adattatori e scheduling multi-tenant, sottolineando gli aspetti critici per la sicurezza dell'infrastruttura di servizio LLM sotto carichi di lavoro concorrenti realistici.

Fatti principali

  • GRIEF è un fuzzer greybox per motori di inferenza LLM.
  • Prende di mira vulnerabilità nel layer di servizio, non nel comportamento del modello.
  • Utilizza tracce di richieste multiple temporizzate come input di prima classe.
  • Oracoli leggeri rilevano crash, blocchi, patologie prestazionali e corruzione silenziosa dell'output.
  • Il replay controllato con controlli di log-probabilità conferma i guasti riproducibili.
  • Le campagne iniziali su vLLM e SGLang hanno scoperto 15 vulnerabilità.
  • 10 vulnerabilità sono state confermate dagli sviluppatori del motore.
  • 2 CVE erano incluse tra le vulnerabilità confermate.
  • Le vulnerabilità spaziano su KV-cache, batching, condivisione dei prefissi, decodifica speculativa, adattatori e scheduling multi-tenant.
  • Il lavoro sottolinea la natura critica per la sicurezza dei sistemi di servizio LLM.

Entità

Istituzioni

  • arXiv

Fonti