RAGFort：针对检索增强生成中专有知识库提取的双路径防御
人工智能
2025-11-14 v1
摘要
部署在专有知识库上的检索增强生成（RAG）系统面临着来自重构攻击的日益严重威胁，此类攻击通过聚合模型响应来复制知识库。这些攻击同时利用类内路径和类间路径，逐步提取主题内的细粒度知识并将其扩散至语义相关的主题中，从而实现对原始知识库的全面提取。然而，现有的防御方法仅针对其中一条路径，导致另一路径缺乏保护。我们进行了系统性探索，以评估独立保护每条路径的影响，并发现联合保护对于有效防御至关重要。基于此，我们提出 RAGFort，一种结构感知的双模块防御机制，结合了用于类间隔离的“对比重索引”和用于类内保护的“约束级联生成”。在安全性、性能和鲁棒性方面的实验证实，RAGFort 在保持回答质量的同时显著降低了重构成功率，为知识库提取攻击提供了全面防御。
引用
@article{arxiv.2511.10128,
title = {RAGFort: Dual-Path Defense Against Proprietary Knowledge Base Extraction in Retrieval-Augmented Generation},
author = {Qinfeng Li and Miao Pan and Ke Xiong and Ge Su and Zhiqiang Shen and Yan Liu and Bing Sun and Hao Peng and Xuhong Zhang},
journal= {arXiv preprint arXiv:2511.10128},
year = {2025}
}
备注
Accepted by AAAI 2026 Conference