이 논문은 프라이버시 평가는 통과했지만 관찰 가능한 채널이 검증되지 않은 2노드 분할 LLM 학습 시스템의 시스템 보안 사례 연구를 제시한다. 신뢰 로컬 노드(TLN)가 보호된 활성값을 신뢰되지 않은 클라우드 노드(UCN)로 보내고 UCN이 출력을 반환하면, 손실을 보유한 TLN이 출력 그래디언트를 반환하는 구조에서 UCN이 받는 프레임에는 실제 행과 더미(decoy) 행이 섞여 있는데, 손실이 더미를 무시하기 때문에 더미의 그래디언트는 정확히 0이 되어 어떤 행이 실제인지 드러난다. 9개 시드에 걸친 실험에서 이 '0의 패턴'은 매 프레임 4096개 중 4096개 모두에서 실제 행을 정확히 식별했으며, 프레임 내용에 대한 추가 공격은 상수 추정 베이스라인 대비 100개 중 약 1개의 토큰을 추가로 복구했다. 이 시스템은 순방향 채널 프라이버시 검사와 품질 검사를 모두 통과했음에도 반환된 그래디언트를 포함하자 같은 검사에서 실패했으며, 각 행의 그래디언트를 클리핑·노이즈 처리하면 누출을 막을 수 있었지만 다섯 가지 공격 유형은 여전히 검증되지 않은 채 남아 있다.

• •분할 LLM 학습에서 손실이 무시하는 더미 행의 그래디언트가 정확히 0이 되어 실제 행을 노출시키는 관찰 채널 발견
• •9개 시드 실험에서 매 프레임 4096개 중 4096개 실제 행을 100% 식별
• •순방향 채널 프라이버시·품질 검사는 통과했지만 반환 그래디언트를 포함하면 같은 검사에서 실패
• •행별 그래디언트 클리핑·노이즈로 누출은 막았으나 다섯 가지 공격 유형은 검증되지 않음