arXiv cs.AI· Yuming Xu, Mingtao Zhang, Zhuohan Ge, Haoyang Li, Nicole Hu, Yongqi Zhang, Zhiyuan Wen, Jason Chen Zhang, Qing Li, Lei Chen·· 3 天前AI 评分30
安全检索增强生成（RAG）综述：SLOT 分类体系与 135 项研究
A Survey of Secure Retrieval-Augmented Generation
AI 导读
一篇被 EMNLP 2026 接收的综述系统梳理了 135 项关于 RAG 攻击、防御与安全评估的研究，并提出 SLOT 分类体系，沿攻击面（S）与对应防御层（L）组织，辅以目标（O）和攻击目标范围（T）两个交叉维度。研究将文献映射到外部知识访问流程后，揭示出目标错配、阶段错配和信号错配三类问题，并公开了筛选流程、论文元数据与机器可读的 SLOT 标签。
正文 · AI 翻译
摘要：检索增强生成（RAG）通过外部知识增强大语言模型（LLM），但这种访问路径带来了不同于仅提示或参数模型固有缺陷的安全风险。我们将安全 RAG 定义为保护外部知识访问。我们进行了系统性检索，整理了 135 篇关于攻击、防御和安全评估的文献，并用 SLOT 对其进行组织：一种沿攻击面（S）和相应防御层（L）的分类法，并具有交叉轴目标（O）和攻击目标范围（T）。将这些研究映射到外部知识访问流程上，我们揭示了三个不匹配：目标不匹配（T2 攻击超过 T2 防御和评估）、阶段不匹配（S1 攻击多于 L1 防御）和信号不匹配（流畅、可检索、拟合语料的 S1 攻击挑战基于异常的 L2/L3 防御）。最后，我们讨论了更现实的目标、面完整的防御栈、标准化评估、机密性以及多模态和智能体系统等方向，并在 此 https URL 发布了筛选过程、所选论文元数据和机器可读的 SLOT 标签。
| 评论： | 已被 EMNLP 2026 接收 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2604.08304 [cs.CR] |
| （或 arXiv:2604.08304v5 [cs.CR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2604.08304 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Haoyang Li [查看电子邮件]
[v1]
2026年4月9日星期四 14:38:18 UTC（359 KB）
[v2]
2026年5月27日星期三 15:22:52 UTC（464 KB）
[v3]
2026年6月8日星期一 14:08:37 UTC（465 KB）
[v4]
2026年10月7日星期三 13:12:33 UTC（473 KB）
[v5]
2026年10月12日星期一 14:48:56 UTC（473 KB）
来源：arXiv cs.AI · arxiv.org