English(EN) Private Retrieval Augmented Generation via Random Projection

随机投影方法增强RAG系统的隐私性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-16 04:00

研究人员开发了一种新颖的随机投影方法，以增强检索增强生成（RAG）系统的隐私性。该技术旨在降低在使用大型语言模型（LLM）时，敏感信息从检索数据存储中泄露的风险。所提出的方法将相同的投影应用于数据存储和查询嵌入，可证明地保持语义相似性，同时提供针对数据提取攻击的显著保护。实证结果表明，这种轻量级方法在检索和生成性能方面均优于先前的方法。 AI

影响这项研究为保护AI检索系统中敏感数据提供了一种更实用、更有效的方法，有望加速RAG在注重隐私的应用中的普及。

排序理由关于AI系统隐私新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 22 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 关于AI系统隐私新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Dixi Yao, Tahseen Rabbani, Tian Li · 2026-10-16 04:00

通过随机投影实现的私有检索增强生成

arXiv:2610.22297v1 Announce Type: new Abstract: Retrieval-Augmented Generation (RAG) enhances the capabilities of large language models (LLMs) by querying external structured knowledge. However, it can also introduce privacy risks by leaking sensitive information from the retriev…

本文如何被排名

报道来源 [1]

通过随机投影实现的私有检索增强生成

相关实体

相关话题