寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3] LLM 路由器作为应用层代理,可能读取请求、响应、工具调用参数和 Agent 上下文中的明文内容;研究还指出,中间层在某些架构下可能篡改响应或工具调用。[27] 企业应避免把长期凭证放入提示词,改用短期、最小权限访问机制,并对第三方中转、日志留存和异常工具调用实施审计与管控。
发布者使用 GPT-5.6 Terra 编辑图片由 GPT Image 2 生成
研究答案

Create a landscape editorial hero image for this Studio Global article: What did security researcher Chaofan Shou, co-founder of Fuzzland, claim after purchasing roughly 6TB of model-invocation logs from a Chines. Article summary: Shou’s account is a serious supply-chain-risk allegation, not a verified breach report. He said that about 6 TB of “Fable” model-invocation data bought from a leading Chinese LLM router contained secrets sufficient to ac. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
寿超璠(Chaofan Shou,Fuzzland 联合创始人)的一项说法,让大模型应用中常被忽视的安全环节再次受到关注:位于应用与模型提供商之间的第三方路由器、中转站或代理服务。
他在公开帖文中称,自己从一家中国头部 LLM 路由器购得约 6TB 的“Fable”模型调用数据;其中包含的凭证,可能足以访问与 7 个中国及独联体政府相关实体、19 家中国头部企业有关联的服务器或内部系统,并点名提及华为、小米、蔚来和 MiniMax。需要明确的是:这是一项研究员的指称,不等同于已经得到公开独立验证的数据泄露事件,也不代表被点名机构已确认遭到入侵。11
根据寿超璠的说法及后续报道,这批数据中包括用户经由中转服务发送的敏感材料,例如:
这些信息一旦仍然有效、归属准确且权限较高,后果可能非常严重。不过,现有公开材料并不能证明这些凭证在数据被取得时仍有效,也无法确认它们是否已被吊销、是否确实拥有所称的访问权限。
LLM 路由器、代理或中转站,处在应用或 Agent 与上游模型服务商之间。为了转发请求,它可能接触到完整的明文请求和响应载荷,包括提示词、Agent 上下文、工具调用参数以及模型输出。
寿超璠参与合著的论文 Your Agent Is Mine 指出,这类路由器属于应用层代理,能够读取传输中的 JSON 明文;同时,客户端与上游模型之间缺少由服务商强制提供的加密完整性保障。27
这就形成了一个直观的泄露路径:开发者为了让 AI 编程 Agent 排查故障、部署服务或调用内部工具,可能将私钥、.env 文件、云访问密钥、VPN 配置或生产环境参数直接放入上下文。如果 Agent 经由外部中转服务访问模型,这些秘密就可能随请求一同经过该服务。
风险不只在于中转服务是否故意收集数据。只要存在过度日志记录、访问控制薄弱、中转平台自身被入侵,或存储日志被二次分发,提示词历史就可能变成集中保存、可被滥用的凭证库。
6TB 数据的说法与更广泛的架构风险相吻合,但它本身并不能证明寿超璠所指的路由器存在不当行为。
在 Your Agent Is Mine 中,研究者考察了面向 LLM Agent 供应链的恶意中间层攻击。他们指出,能够观察流量的路由器,潜在风险不止于收集数据:它还可能在 Agent 执行前修改模型响应或工具调用内容。27
对于运行半自动或自动化 Agent 的团队,这意味着三类不同风险:
该研究说明了第三方 LLM 路由在架构上的攻击面,但并未独立验证上述 6TB 数据集的来源、完整性或具体内容。27
应当清楚区分“指称”与“已证实事实”。公开可得的信息尚未独立确认:
因此,文中“关联”应理解为据称出现在该数据集内,而不是某家公司或机构已确认发生了安全事件。
无论这次数据集指称最终是否得到证实,外部中间服务一旦承接 Agent 流量,就应被视为安全边界中的高权限组成部分。
避免粘贴私钥、VPN 文件、云访问密钥、访问 Token、.env 文件或生产配置。可在客户端或内部网关增加密钥扫描机制,在请求离开组织网络前拦截或脱敏疑似敏感内容。
让工具按需从密钥管理系统或工作负载身份体系获取权限范围有限、会自动过期的凭证。即使 Agent 轨迹或中转日志暴露,影响范围也能显著缩小。
盘点开发者、代码助手和 Agent 所使用的中转站与代理服务。若敏感凭证可能经由未知或不受信任的中间层传输,应尽快轮换,并检查 SSH、VPN、GitLab 和云平台审计日志是否存在异常活动。
条件允许时,直接连接模型提供商,或使用由组织自行管理的内部网关。若必须使用第三方或面向中国市场的中转服务,应审查其所有权、数据驻留安排、分包处理方、安全控制、事件通知条款,以及对日志记录、模型训练、数据出售和二次使用的承诺。
为敏感操作设置人工确认;对可调用工具和目标地址实施白名单;监测模型标识、响应格式、工具 Schema 与出站工具调用的异常变化。这有助于降低中间层篡改响应路径可能带来的影响。27
在可行时关闭内容日志;必须记录时,应在写入前完成脱敏、加密存储、严格权限控制,并采用明确且尽可能短的留存周期,同时防止未经管控的导出。工具参数与 Agent 执行轨迹,应获得与源代码、生产配置和密钥同等级别的保护。
寿超璠关于 6TB 数据的说法,现阶段应被视为一项未获独立验证、但值得严肃对待的安全指称。更具普遍性的警示来自架构本身:当 LLM 路由器能够读取穿过它的提示词、凭证、工具输入和响应时,它就不是一根“中性管道”。
部署 AI Agent 的组织应假定,每增加一个外部中转层,就扩大了一部分可信计算边界;相应地,也应同步加强提示词卫生、凭证管理、日志治理和执行控制。11
27
Studio Global AI
此页面包含一个有来源支持的答案,您可以在 Studio Global 内继续。
寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3]
寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3] LLM 路由器作为应用层代理,可能读取请求、响应、工具调用参数和 Agent 上下文中的明文内容;研究还指出,中间层在某些架构下可能篡改响应或工具调用。[27]
企业应避免把长期凭证放入提示词,改用短期、最小权限访问机制,并对第三方中转、日志留存和异常工具调用实施审计与管控。
寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3] LLM 路由器作为应用层代理,可能读取请求、响应、工具调用参数和 Agent 上下文中的明文内容;研究还指出,中间层在某些架构下可能篡改响应或工具调用。[27] 企业应避免把长期凭证放入提示词,改用短期、最小权限访问机制,并对第三方中转、日志留存和异常工具调用实施审计与管控。
发布者使用 GPT-5.6 Terra 编辑图片由 GPT Image 2 生成
研究答案

Create a landscape editorial hero image for this Studio Global article: What did security researcher Chaofan Shou, co-founder of Fuzzland, claim after purchasing roughly 6TB of model-invocation logs from a Chines. Article summary: Shou’s account is a serious supply-chain-risk allegation, not a verified breach report. He said that about 6 TB of “Fable” model-invocation data bought from a leading Chinese LLM router contained secrets sufficient to ac. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
寿超璠(Chaofan Shou,Fuzzland 联合创始人)的一项说法,让大模型应用中常被忽视的安全环节再次受到关注:位于应用与模型提供商之间的第三方路由器、中转站或代理服务。
他在公开帖文中称,自己从一家中国头部 LLM 路由器购得约 6TB 的“Fable”模型调用数据;其中包含的凭证,可能足以访问与 7 个中国及独联体政府相关实体、19 家中国头部企业有关联的服务器或内部系统,并点名提及华为、小米、蔚来和 MiniMax。需要明确的是:这是一项研究员的指称,不等同于已经得到公开独立验证的数据泄露事件,也不代表被点名机构已确认遭到入侵。11
根据寿超璠的说法及后续报道,这批数据中包括用户经由中转服务发送的敏感材料,例如:
这些信息一旦仍然有效、归属准确且权限较高,后果可能非常严重。不过,现有公开材料并不能证明这些凭证在数据被取得时仍有效,也无法确认它们是否已被吊销、是否确实拥有所称的访问权限。
LLM 路由器、代理或中转站,处在应用或 Agent 与上游模型服务商之间。为了转发请求,它可能接触到完整的明文请求和响应载荷,包括提示词、Agent 上下文、工具调用参数以及模型输出。
寿超璠参与合著的论文 Your Agent Is Mine 指出,这类路由器属于应用层代理,能够读取传输中的 JSON 明文;同时,客户端与上游模型之间缺少由服务商强制提供的加密完整性保障。27
这就形成了一个直观的泄露路径:开发者为了让 AI 编程 Agent 排查故障、部署服务或调用内部工具,可能将私钥、.env 文件、云访问密钥、VPN 配置或生产环境参数直接放入上下文。如果 Agent 经由外部中转服务访问模型,这些秘密就可能随请求一同经过该服务。
风险不只在于中转服务是否故意收集数据。只要存在过度日志记录、访问控制薄弱、中转平台自身被入侵,或存储日志被二次分发,提示词历史就可能变成集中保存、可被滥用的凭证库。
6TB 数据的说法与更广泛的架构风险相吻合,但它本身并不能证明寿超璠所指的路由器存在不当行为。
在 Your Agent Is Mine 中,研究者考察了面向 LLM Agent 供应链的恶意中间层攻击。他们指出,能够观察流量的路由器,潜在风险不止于收集数据:它还可能在 Agent 执行前修改模型响应或工具调用内容。27
对于运行半自动或自动化 Agent 的团队,这意味着三类不同风险:
该研究说明了第三方 LLM 路由在架构上的攻击面,但并未独立验证上述 6TB 数据集的来源、完整性或具体内容。27
应当清楚区分“指称”与“已证实事实”。公开可得的信息尚未独立确认:
因此,文中“关联”应理解为据称出现在该数据集内,而不是某家公司或机构已确认发生了安全事件。
无论这次数据集指称最终是否得到证实,外部中间服务一旦承接 Agent 流量,就应被视为安全边界中的高权限组成部分。
避免粘贴私钥、VPN 文件、云访问密钥、访问 Token、.env 文件或生产配置。可在客户端或内部网关增加密钥扫描机制,在请求离开组织网络前拦截或脱敏疑似敏感内容。
让工具按需从密钥管理系统或工作负载身份体系获取权限范围有限、会自动过期的凭证。即使 Agent 轨迹或中转日志暴露,影响范围也能显著缩小。
盘点开发者、代码助手和 Agent 所使用的中转站与代理服务。若敏感凭证可能经由未知或不受信任的中间层传输,应尽快轮换,并检查 SSH、VPN、GitLab 和云平台审计日志是否存在异常活动。
条件允许时,直接连接模型提供商,或使用由组织自行管理的内部网关。若必须使用第三方或面向中国市场的中转服务,应审查其所有权、数据驻留安排、分包处理方、安全控制、事件通知条款,以及对日志记录、模型训练、数据出售和二次使用的承诺。
为敏感操作设置人工确认;对可调用工具和目标地址实施白名单;监测模型标识、响应格式、工具 Schema 与出站工具调用的异常变化。这有助于降低中间层篡改响应路径可能带来的影响。27
在可行时关闭内容日志;必须记录时,应在写入前完成脱敏、加密存储、严格权限控制,并采用明确且尽可能短的留存周期,同时防止未经管控的导出。工具参数与 Agent 执行轨迹,应获得与源代码、生产配置和密钥同等级别的保护。
寿超璠关于 6TB 数据的说法,现阶段应被视为一项未获独立验证、但值得严肃对待的安全指称。更具普遍性的警示来自架构本身:当 LLM 路由器能够读取穿过它的提示词、凭证、工具输入和响应时,它就不是一根“中性管道”。
部署 AI Agent 的组织应假定,每增加一个外部中转层,就扩大了一部分可信计算边界;相应地,也应同步加强提示词卫生、凭证管理、日志治理和执行控制。11
27
Studio Global AI
此页面包含一个有来源支持的答案,您可以在 Studio Global 内继续。
寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3]
寿超璠称,他购得的约 6TB“Fable”模型调用数据中含 SSH 密钥、VPN 配置、阿里云凭证和 GitLab Token,并声称其涉及 19 家中国企业及 7 个中国/独联体政府相关实体;这一说法尚未被独立证实。[11][3] LLM 路由器作为应用层代理,可能读取请求、响应、工具调用参数和 Agent 上下文中的明文内容;研究还指出,中间层在某些架构下可能篡改响应或工具调用。[27]
企业应避免把长期凭证放入提示词,改用短期、最小权限访问机制,并对第三方中转、日志留存和异常工具调用实施审计与管控。