研究人员开发了一种名为GraphSteal的新方法，可以重建用于图检索增强生成（RAG）系统的知识图谱的很大一部分。该攻击框架通过自适应黑盒交互进行演示，能够以高保真度恢复原始知识图谱的90%以上，揭示敏感实体、关系和结构依赖性。所提出的方法利用深度优先启发式搜索来获取节点属性，利用广度优先扩散搜索来获取图拓扑，突显了图RAG系统中的一种新的隐私漏洞，而目前的保护措施难以解决。 AI
影响 这项研究揭示了图RAG系统中的重大隐私风险，可能需要新的安全措施来集成知识图谱。
排序理由 该集群包含一篇详细介绍图RAG系统新攻击方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28645v1 Announce Type: cross Abstract: Retrieval-Augmented Generation (RAG) enhances LLMs by grounding generation in query-relevant external evidence. Beyond unstructured text corpora, Graph RAG integrates knowledge graphs into the retrieval pipeline, enabling LLMs to …
Retrieval-Augmented Generation (RAG) enhances LLMs by grounding generation in query-relevant external evidence. Beyond unstructured text corpora, Graph RAG integrates knowledge graphs into the retrieval pipeline, enabling LLMs to access entities, relations, and multi-hop dependen…