論文の概要: Mind the Hook: Source-Level Auditing of Privacy Defenses in Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2608.09001v1
• Date: Mon, 10 Aug 2026 01:40:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.032891
• Title: Mind the Hook: Source-Level Auditing of Privacy Defenses in Retrieval-Augmented Generation
• Title（参考訳）: Mind the Hook:Retrieval-Augmented Generationにおけるプライバシ保護のソースレベル監査
• Abstract要約: 検索強化世代(RAG)のブラックボックスのプライバシスコアは、ディフェンスのアクティブパイプラインフックが不明でない限り、解釈が困難である。 提案するアクティブパス監査は,検索,検索,検索,生成に対するインベントリソースレベルのフック,各メトリックを観測するリークチャネルにマッピング,正確なマッチカナリアによる生成テキスト効果の検証である。
• 参考スコア（独自算出の注目度）: 0.30586855806896046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Black-box privacy scores for retrieval-augmented generation (RAG) are difficult to interpret unless the audited defense's active pipeline hook is known. We propose an active-path audit: inventory source-level hooks over retrieval, retrieved content, and generation; map each metric to the leakage channel it observes; and validate generated-text effects with exact-match canaries. In our benchmark reimplementations, the DP-style defenses modify retrieval scores only: their generation hooks are TODO-flagged stubs that return responses unchanged. This active path explains why they affect membership-inference behavior but track No-Defense on generated-text named-entity leakage, measured by NEL_strict. By contrast, the end-to-end LPRAG path is canary-validated on the email channel, recovering 53/150 canaries under No-Defense and 0/150 under LPRAG. These findings concern our reimplementations on our stack, not released defenses or defense families; the contribution is a methodology and case study, not a universal ranking
• Abstract（参考訳）: 検索強化世代(RAG)のブラックボックスのプライバシスコアは、監査されたディフェンスのアクティブパイプラインフックが不明でない限り、解釈が困難である。 提案するアクティブパス監査は,検索,検索,検索,生成に対するインベントリソースレベルのフック,各メトリックを観測するリークチャネルにマッピング,正確なマッチカナリアによる生成テキスト効果の検証である。 ベンチマークの再実装では、DPスタイルのディフェンスは検索スコアのみを変更します。 このアクティブパスは、なぜメンバーシップ推論行動に影響するのかを説明するが、NEL_strictによって測定された、生成されたテキスト名付きエンタリティリークのNo-Defenseを追跡する。 対照的に、エンドツーエンドのLPRAGパスは電子メールチャンネルでカナリア検証され、No-Defenseで53/150カナリアを、LPRAGで0/150カナリアを回収する。 これらの発見は、我々のスタックへの再実装、解放された防衛家族や防衛家族に関するものであり、貢献は、普遍的なランキングではなく、方法論とケーススタディである。

関連論文リスト

• Labels Are Not Endpoints: Treatment Leakage and Construct Validity in MCP Agent Security Evaluation [0.0]
  10,200行の実行行を180のモデルバウンドリクエスト,45のセマンティックリクエスト,15の観測可能な刺激にトレースすることで,保存されたキャンペーンを監査する。 我々は、7リンクの積分チェインと、スコープ境界の終端積分linterをコントリビュートする。
  論文  参考訳（メタデータ） (2026-08-13T06:44:40Z)
• Auditing Generalization in AI-Generated Video Detection: A Six-Control Protocol and the VidAudit Toolkit [8.665845754660458]
  AI生成ビデオ検出のGenVidBenchとAIGVDBenchが事実上のリーダーボードだ。 ほとんどの評価プロトコルは、報告された一般化を拡大できる制御されていない欠点を残している。 20紙の調査では、これをキャッチする標準的な6つのコントロールをすべて適用していない。 それらを監査プロトコルに組み合わせて、6つの代表的な特徴源に適用する。
  論文  参考訳（メタデータ） (2026-06-30T00:29:53Z)
• Auditing Privacy in Multi-Tenant RAG under Account Collusion [1.253312107729806]
  マルチテナント検索拡張生成サービスは、ログ単位の差分プライバシーを操作リーク境界として宣伝する。 我々は、同一インデックスのマルチアカウント共謀をプライバシ境界障害とみなす。 修正されていないRAGデプロイメントに対して動作する最初の監査プロトコルを設計する。
  論文  参考訳（メタデータ） (2026-05-19T13:41:59Z)
• Needle-in-RAG: Prompt-Conditioned Character-Level Traceback of Poisoned Spans in Retrieved Evidence [4.039934762896615]
  RAGCharacterは、2パスの法医学的なフレームワークで、具体的な誤生成イベントのために責任ある回収されたスパンをローカライズする。 RAGおよび現在のRAGCharacterにおけるブラックボックス文字レベルの毒の追跡について検討した。
  論文  参考訳（メタデータ） (2026-05-03T08:42:29Z)
• Detecting RAG Extraction Attack via Dual-Path Runtime Integrity Game [23.794446184684755]
  Retrieval-Augmented Generation (RAG)システムは、外部知識で大規模な言語モデルを拡張するが、重要なセキュリティ脆弱性であるRAG Knowledge Base Leakageを導入する。 ソフトウェアセキュリティにおけるスタックカナリアにインスパイアされた,ランタイム防御機構であるCanaryRAGを提案する。 CanaryRAGは、慎重に設計されたカナリアトークンを検索したチャンクに埋め込んで、RAG抽出防御をデュアルパスランタイム整合性ゲームとして再構成する。
  論文  参考訳（メタデータ） (2026-04-12T16:28:09Z)
• The Trojan Knowledge: Bypassing Commercial LLM Guardrails via Harmless Prompt Weaving and Adaptive Tree Search [58.8834056209347]
  大規模言語モデル(LLM)は、有害な出力を誘導するために安全ガードレールをバイパスするジェイルブレイク攻撃に弱いままである。 CKA-Agent(Correlated Knowledge Attack Agent)は、ターゲットモデルの知識基盤の適応的木構造探索としてジェイルブレイクを再構成する動的フレームワークである。
  論文  参考訳（メタデータ） (2025-12-01T07:05:23Z)
• SWAP: Towards Copyright Auditing of Soft Prompts via Sequential Watermarking [58.475471437150674]
  ソフトプロンプト(SWAP)のための逐次透かしを提案する。 SWAPは、特定のディフェンダー指定のアウト・オブ・ディストリビューション・クラスを通じて、透かしを符号化する。 11のデータセットの実験では、SWAPの有効性、無害性、および潜在的適応攻撃に対する堅牢性を示す。
  論文  参考訳（メタデータ） (2025-11-05T13:48:48Z)
• Revisiting Backdoor Attacks on LLMs: A Stealthy and Practical Poisoning Framework via Harmless Inputs [54.90315421117162]
  完全無害データを用いた新しい毒殺法を提案する。 自己回帰型LPMの因果推論に着想を得て,トリガーと肯定的応答プレフィックスの堅牢な関連性を確立することを目指す。 LLMは最初は同意するように見えるが,その後回答を拒む興味深い抵抗現象を観察する。
  論文  参考訳（メタデータ） (2025-05-23T08:13:59Z)
• Towards Copyright Protection for Knowledge Bases of Retrieval-augmented Language Models via Reasoning [58.57194301645823]
  大規模言語モデル(LLM)は、現実のパーソナライズされたアプリケーションにますます統合されている。 RAGで使用される知識基盤の貴重かつしばしばプロプライエタリな性質は、敵による不正使用のリスクをもたらす。 これらの知識基盤を保護するための透かし技術として一般化できる既存の方法は、一般的に毒やバックドア攻撃を含む。 我々は、無害な」知識基盤の著作権保護の名称を提案する。
  論文  参考訳（メタデータ） (2025-02-10T09:15:56Z)
• Certifiably Robust RAG against Retrieval Corruption [58.677292678310934]
  Retrieval-augmented Generation (RAG) は、回復汚職攻撃に弱いことが示されている。 本稿では,ロバストRAGを検索汚職攻撃に対する最初の防御フレームワークとして提案する。
  論文  参考訳（メタデータ） (2024-05-24T13:44:25Z)
• Lazy Layers to Make Fine-Tuned Diffusion Models More Traceable [70.77600345240867]
  新たな任意の任意配置(AIAO)戦略は、微調整による除去に耐性を持たせる。 拡散モデルの入力/出力空間のバックドアを設計する既存の手法とは異なり,本手法では,サンプルサブパスの特徴空間にバックドアを埋め込む方法を提案する。 MS-COCO,AFHQ,LSUN,CUB-200,DreamBoothの各データセットに関する実証研究により,AIAOの堅牢性が確認された。
  論文  参考訳（メタデータ） (2024-05-01T12:03:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。