이 연구는 추측 디코딩(speculative decoding)이 드래프트 모델과 타깃 모델의 분포 불일치를 일으켜 드래프트 토큰 수락률을 떨어뜨리는 신종 공격인 Speculative Rejection Attacks(SRA)를 제시한다. 공격자가 제어하는 콘텐츠에 적대적 접미사를 붙여 피해자의 프롬프트에서 추측 디코딩 성능을 저하시키는 두 가지 공격, 타깃 모델의 수락 확률을 이용하는 Speedbump-P와 드래프트-타깃 분포 중첩을 이용하는 Speedbump-D를 각각 최적화했다. 일부 경우 공격은 추측 디코딩을 자기회귀 디코딩보다도 느리게 만들 정도로 성능을 저하시켰으며, 품질 저하를 정규화로 복원할 수는 있지만 그 경우 저하 효과의 대부분을 포기해야 하는 효과성-은밀성 간 트레이드오프가 존재했다. 접미사는 샘플링 하에서도 효과적이고 다른 드래프터나 동일 드래프터를 공유하는 타깃 모델로도 전이돼, 추측 디코딩의 드래프트-타깃 상호작용이 추론 비용을 부풀리는 현실적 공격 표면이 됨을 보였다.

• •뙜론 상은 뾾안전 모델 뫼응 뚜규추식을 뉰어마 나럼하는 Speculative Rejection Attacks(SRA) 제시
• •수륨 확륨 기반 Speedbump-P와 분포 중촩 기반 Speedbump-D 둘 공강을 최적화
• •일물 경우 추처 데코땩이 자기회관 데코땩뿡다 뇔리 만릆 성능 저하
• •매회똘이 다륨 뙜론농·타꽟 모델로 전이넎나 현실적 공개 표안 형성