港科大发现MoE模型路由脆弱性：重复输入可阻塞负载均衡
重复输入模式能诱导MoE模型的路由器负载失衡，拖慢推理服务，暴露了系统层面的安全漏洞。
MoE（混合专家）模型将大模型拆成多个专家，每个token只激活少数专家。港科大团队发现，高度重复的token输入会让路由器把所有token分给同一批专家，导致部分GPU过载而其他闲置，造成同步等待。实验显示，该攻击可使TTFT（首token延迟）增加20%至148%。
正文摘录
 新智元报道  MoE 大模型正在成为高效推理的主流路线。 它把一个大模型拆成很多「专家」，每个 token 只激活其中一小部分。这样一来，模型总参数可以很大，但每次推理的实际计算量不会爆炸。对服务商来说，这几乎是一个甜蜜的工程答案：更大模型，更低成本，更高吞吐。 但这篇来自 ICML 2026 的工作发现，MoE 模型最重要的组件之一——专家路由（router）里，藏着一个新的系统级风险。 来自港科大的研究团队提出了 RepetitionCurse，这是一种针对 MoE 大模型服务的黑盒压力测试方法。 它不需要模型权重，不需要梯度，也不需要知道后端专家如何部署，只利用高度重复的输入模式，就能诱导专家路由把大量 token 路由到同一小批专家上。  论文链接：https://arxiv.org/abs/2512.23995 结果某些 GPU 被打成 straggler（掉队者），其他 GPU 空等同步，最终拖慢 time-to-first-token（TTFT，即用户看到第一个 token 的时间）。 实验显示，在常见 8-GPU EP（Expert Parallelism，专家并行）部署上，RepetitionCurse 可让 MoE 模型的 TTFT 增加 20% 到 148%。