arXiv cs.AI· Niveen O. Jaffal, Ahmet Yuksel, David Mohaisen·· 10 天前AI 评分22
RAG-PIBench：面向可信 RAG 系统的提示注入检测防泄漏基准
RAG-PIBench: A Leakage-Aware Benchmark for Prompt-Injection Detection in Trustworthy RAG Systems
AI 导读
研究者推出 RAG-PIBench，一个针对 RAG 式提示注入检测的基准，包含 4,876 条上下文样本，划分为冻结的训练、验证与受保护测试集。
正文 · AI 翻译
摘要：检索增强生成（RAG）系统容易受到嵌入在检索内容中的提示注入攻击。我们提出了 RAG-PIBench，一个用于 RAG 风格提示注入检测的基准，包含 4,876 个上下文示例，分为冻结的训练集、验证集和受保护的测试集。使用泄漏感知的构建流程和严格的评估协议，我们比较了基于关键词、语义参考、TF-IDF 和基于 Transformer 的检测器。DistilBERT 取得了最佳的受保护测试性能（F1 = 0.896，PR-AUC = 0.968），而 TF-IDF SVM 和逻辑回归仍具有竞争力。我们的结果证明了泄漏感知基准设计以及强稀疏基线在 RAG 系统中可靠提示注入检测方面的价值。
| 评论： | 19 页，3 幅图，8 张表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI）；机器学习（cs.LG） |
| 引用为： | arXiv:2610.08571 [cs.CR] |
| （或 arXiv:2610.08571v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.08571 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：David Mohaisen [查看电子邮件]
[v1]
2026 年 10 月 6 日星期二 15:47:47 UTC（162 KB）
来源：arXiv cs.AI · arxiv.org