混合 RAG 中的检索枢轴攻击：衡量与缓解从向量种子到图扩张的放大泄露

混合检索增强生成（RAG）管道将向量相似性搜索与知识图谱扩张结合用于多跳推理。我们展示了这种组合引入了一种独特的安全失效模式：通过实体链接，向量检索到的「种子」块可枢轴进入敏感图区，从而导致跨租户数据泄露，这在仅使用向量检索时不会发生。我们将这种风险正式定义为检索枢轴风险（RPR），并引入伴随指标 Leakage@k、放大系数和枢轴深度（PD）来衡量泄露规模和遍历结构。我们提出了七种检索枢轴攻击，利用向量到图边界进行攻击，并显示出无需对抗注入：自然共享实体会有机会创建跨租户枢轴路径。对于合成的多租户企业语料库和 Enron 邮件语料库，未防御的混合管道表现出高风险（RPR 最高可达 0.95），且每个查询返回多个未授权项目。Leakage 在 PD=2 处持续出现，我们将其归因于二分块-实体拓扑，并 formalize 为一个命题。随后我们表明，在图扩张边界执行单一位置的授权可消除测量的泄露（RPR 接近 0），适用于两个语料库、所有攻击变体以及标签伪造率最高达 10%，且开销最小。我们的结果表明，根本原因在于边界授权，而非固有的复杂防御：两个单独安全的检索组件在授权未在转换点重新检查的情况下可组成成为不安全的系统。