Prefilling the Reasoning Channel: Output-Prefix Attacks on Reasoning LLMs

arXiv cs.CR · 25 sept, 06:00

Investigadores descubren que los modelos de razonamiento de última generación son vulnerables a un ataque de inyección de prefijo de salida que manipula el canal de razonamiento intermedio. El ataque combina inyecciones de razonamiento malicioso con prefijos triviales de salida, logrando tasas de éxito de hasta el 99% en modelos como Gemini 3 Flash Preview, DeepSeek V4 Flash y Claude Haiku 4.5.