InferD：面向 AI 推理基础设施的蜜罐框架

大型语言模型服务栈、商业推理 API、向量数据库和智能体编排网关如今暴露在公共互联网中，部署后数小时内便会被通用扫描器编入索引。针对这一攻击面的威胁特征才刚开始得到测量，而能够对其进行测量的蜜罐框架，原本是为传统网络服务设计的。事实上，模拟 AI 服务是一个独特的欺骗问题：必须忠实复现服务的可观测行为，包括模型清单、令牌格式、工具调用协议和授权流程；同时，底层计算、模型推理和工具执行绝不能真正发生。我们提出 InferD，这是一种围绕单一原则构建的低交互蜜罐框架，我们将该原则称为“无需推理的欺骗”：攻击者能够观测到的每个请求都由静态响应池提供响应，攻击者提交的任何内容都不会被执行。InferD 将模拟过程分解为四个欺骗平面：传输层、服务协议层、漏洞面和智能体会话层；此外还增加了一个溯源平面，用于将植入的凭据与下游经模型处理的证据关联起来。