RAG-NAROK：面向检索感知的RAG知识库投毒攻击
原文标题：RAG-NAROK: Retrieval-Aware Knowledge Corpus Poisoning in RAG with Source-specific Refutation
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文指出RAG系统依赖动态检索管线，带来一类未被充分探索的对抗漏洞。现有知识库投毒攻击是静态的，而RAG-NAROK能根据查询文本自适应，先提取合法来源身份，再生成针对性的反驳文档以贬低被检索来源，利用时效与权威偏见引导生成目标答案。结果显示其显著优于静态基线，揭示RAG透明度与AI安全之间的张力。
- 问题
- RAG动态检索管线带来未被充分探索的投毒攻击面。
- 方法
- RAG-NAROK先提取合法来源身份，再生成针对性的反驳文档，利用时效与权威偏见引导答案。
- 结果
- 在多个领域显著优于静态投毒基线。
- 影响
- RAG透明度可被反向利用，部署检索增强系统需考虑查询自适应投毒防御。
深读 · 结论先行AI 生成展开看要点与影响 ↓
RAG-NAROK按查询自适应生成反驳文档，显著优于静态知识库投毒基线
- •现有知识库投毒攻击是静态的，对受害者实际检索内容一无所知
- •RAG-NAROK先提取合法来源身份，再生成点名贬低该来源的针对性反驳文档
- •利用时效与权威偏见，将生成结果引导至目标答案
- •跨多领域实验显示其显著优于静态基线
- •揭示RAG管线透明度与AI安全之间的根本张力
为什么重要：RAG被广泛用作企业知识问答底座，该攻击说明透明度本身可被武器化，对RAG系统安全设计与红队测试有警示作用。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。