PulseAugur
实时 11:02:42
English(EN) When Poison Fails After Retrieval: Revisiting Corpus Poisoning under Chunking and Reranking Pipelines

新的CRCP框架针对检索增强生成(RAG)语料库投毒攻击

研究人员开发了一个名为CRCP的新框架,以解决检索增强生成(RAG)系统中的语料库投毒攻击问题。现有的攻击在面对包含分块和重排阶段的实际RAG流水线时常常会失败。CRCP旨在通过优化检索相关性、重排器一致性以及跨块边界的鲁棒性来克服这一挑战,并在实验中展示了显著更高的攻击成功率。 AI

影响 突出了RAG安全评估中的现实差距,表明需要新的方法来防御复杂的投毒攻击。

排序理由 详细介绍评估RAG系统安全性的新方法的学术论文。[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 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Xi Nie, Hongwei Li, Shenghao Wu, Mingxuan Li, Jiachen Li, Wenbo Jiang ·

    When Poison Fails After Retrieval: Revisiting Corpus Poisoning under Chunking and Reranking Pipelines

    arXiv:2606.11265v1 Announce Type: cross Abstract: Retrieval-Augmented Generation (RAG) systems are vulnerable to corpus poisoning attacks that manipulate downstream model outputs through malicious knowledge injection. Existing studies mainly evaluate poisoning under simplified re…