Micro-Collaborative Poisoning: A Distributed Attack on RAG Systems
检索增强生成(RAG)通过将大模型输出锚定在外部知识源上提升事实性,但这一依赖也使知识库本身成为投毒面。本文提出 Micro-Collaborative Poisoning(微协作投毒),一种分布式投毒范式:攻击者不再把虚假目标主张集中写入
共收录 5 条相关情报。
← 返回所有主题检索增强生成(RAG)通过将大模型输出锚定在外部知识源上提升事实性,但这一依赖也使知识库本身成为投毒面。本文提出 Micro-Collaborative Poisoning(微协作投毒),一种分布式投毒范式:攻击者不再把虚假目标主张集中写入
该论文研究检索增强生成(RAG)系统中的知识投毒风险。RAG 通过外部证据为大型语言模型(LLM)的输出提供依据,提升事实性,但同时也把外部知识库变成了攻击面。既有代表性攻击通常需要注入多篇文档,或使用直接断言目标答案的模板化文本,成本和可
本文提出了一种名为 GoldenRetriever 的隐私保护检索增强生成(RAG)框架,旨在解决传统 RAG 流水线在明文数据上运行导致的隐私泄露问题。现有隐私保护检索方案多采用同态加密(HE)或私有信息检索(PIR),但往往依赖交互式协
该论文聚焦于从系统活动图中检索已知高级持续性威胁(APT)活动的任务。在现实运维环境中,系统活动图(节点代表MITRE ATT&CK技术,边表示时间或资源级别的关联)常因检测不完整、技术误分类以及良性行为引入的结构伪影而包含噪声。传统基于精
该论文提出了 CyBOKClaw,一种可解释的人机协同检索框架,用于将网络安全课程中的关键词或短语(KWoPs)映射到网络安全知识体系(CyBOK)。传统的精确匹配方法在应对教育场景中广泛、模糊且仅近似对齐的术语时效果有限。CyBOKCla