研究人员开发了“GoldenRetriever”,一个利用非交互式同态加密的、用于隐私保护的检索增强生成(RAG)的新型框架。这种方法解决了通常以明文处理敏感数据的RAG系统的隐私问题。通过在加密下使用阈值选择而非昂贵的top-k排序,GoldenRetriever显著降低了延迟和计算复杂度。该系统使用基于CKKS的同态计算进行加密相似性评估和文档选择,确保查询内容和中间分数保持机密。实验表明,与之前的加密方法相比,其检索效果具有竞争力,延迟也大大降低,为更安全、可扩展的RAG应用铺平了道路。 AI
影响 增强了RAG系统的隐私性,可能使处理敏感数据的LLM得到更广泛的应用。
排序理由 该集群包含两篇arXiv论文,详细介绍了用于RAG系统的隐私保护检索的新型研究方法。
- arXiv
- CKKS
- Dongfang Zhao
- Hugging Face
- Paillier
- GoldenRetriever
- homomorphic encryption
- large-language models
- private information retrieval
- retrieval-augmented generation
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →