本文针对检索增强生成（RAG）系统在大型语言模型（LLM）应用中面临的知识污染攻击问题，提出了一种名为 SecureCollaRAG 的拜占庭容错协作式 RAG 框架。研究背景是：虽然 RAG 能够缓解 LLM 的幻觉问题，但攻击者可通过投毒外部文档来操纵 LLM 输出，形成新的安全漏洞。为应对这一威胁，作者引入多源知识验证机制（Multi-source Knowledge Validation Mechanism），使智能体系统能够通过基于动态图神经网络（GNN）的可信度评分来安全地验证文档来源，从而有效防御隐蔽的知识污染攻击，同时保留关键领域知识的完整性。论文通过大量实验和形式化分析证明，SecureCollaRAG 在非独立同分布（non-IID）数据分布下仍能保持对攻击者的鲁棒性。核心贡献包括：提出针对 RAG 知识污染威胁的拜占庭容错协作框架、设计动态 GNN 驱动的文档可信度评估方法、以及提供形式化安全性分析。适合关注 LLM 安全、智能体安全、RAG 系统防御的研究人员和安全工程师阅读。

该论文针对 Conflict-free Replicated Data Types (CRDTs) 在拜占庭环境下的容错问题展开研究。传统 CRDT 假设参与者无恶意行为，通常依赖验证或排除机制处理拜占庭错误。论文提出一种确定性状态重构方法：不判断哪些更新是可接受的，而是将所有接受的更新纳入，但只有其中一部分子集用于重构最终状态。作者在 Melda 系统中实例化了该方法，Melda 是一种非侵入式的增量状态 CRDT，专门用于 JSON 文档。理论证明表明，即使存在任意恶意更新注入（包括歧义、遗漏或消息重排序），基于同一更新集合的副本也无法发生状态分歧。此外，论文展示了认证、授权和机密性机制可以分层叠加而不影响收敛性。核心贡献在于将更新传播与状态推导解耦，使拜占庭容错可以通过外部共识或分发机制独立处理更新一致性，从而在无协调前提下实现拜占庭弹性。该工作适合分布式系统、区块链、去中心化应用开发者及研究人员阅读。

该论文作为海报展示，研究了拜占庭差异攻击在日历、集合交集以及国家等场景中的应用。拜占庭攻击是分布式系统容错和安全中的重要问题，通常指恶意节点以任意方式偏离协议。本文聚焦于“差异攻击”，即攻击者通过制造输入或状态差异来破坏系统的一致性。在日历系统中，攻击可能导致不同用户看到不同的日程安排；在集合交集计算中，攻击可能影响多方共享结果的一致性；在国家场景中，可能涉及分布式共识或数据共享。论文可能提出了新的攻击模型或漏洞分析，尚未提供实验验证。