检测维度 · 权重 8%
Inter-Token 节奏指纹
本维度检测什么
流式 API 下，连续 SSE 块在服务端读端的间隔携带推理栈特征：纯自回归不同于推测解码，也不同于缓存重放。TrueLLMs 自动收集分块时间戳：直连本地测；代理解析服务端 audit.timing SSE。
算法
从流式响应收集分块时间戳（Date.now() 毫秒分辨率），计算间隙序列的均值、方差、偏度与 16 格 DFT。将节奏分为 {autoregressive, speculative-decoding, cached, steady-state}，再与模型记录的节奏指纹比较。
阈值
| 条件 | 对 verdict 的贡献 |
|---|---|
| 节奏类一致且 DFT 余弦 ≥ 0.85 | 匹配 |
| 类一致但 DFT 余弦 < 0.85 | 边界 |
| 类不同 | 不匹配 |
局限
需要流式。测的是 SSE 块到达间隔而非模型内真实 inter-token。TCP 合并、SSE 刷新、网关缓冲与毫秒时间戳均加噪。缓存重放（gap < 1ms）低于当前分辨率，暂为占位。节奏库由开发者估计种子初始化。
参考文献
- Alhazbi et al. LLMs Have Rhythm: Fingerprinting Large Language Models Using Inter-Token Times and Network Traffic Analysis. 2025. arXiv:2502.20589