针对RAG防护论文评价指标、数据集与威胁模型不兼容的问题,该调查以实测端点而非声称目标或防御机制为主线,提出七家族冻结端点分类法,由多名标注者对118篇全文确认的RAG防御论文双编码,一致率达**。跨机制分析显示检索重排与上下文改写分别横跨多个端点家族,机制无法预示防护结果;仅17.8%研究把内容披露或重构设为主端点,版权/所有权标签下73.3%以语料使用检测为主端点且无发射表达主端点,多数评估只用通用问答数据和单轮非自适应攻击。受控测试台进一步证明,归一化n-gram输出守卫能把逐字复制压至零,但多轮自适应攻击仍可在受测模型上恢复48.3%**隐藏事实。作者发布分类法、编码协议与测试台,推动声明与实测对齐的可比RAG安全评估。
为什么重要 给做 RAG 安全评估的工程师一个可对照的分类框架,并揭示表面防复制与事实泄露的评估脱节适合 RAG 安全/隐私防护评估、数据闭环与安全对齐方向的工程师与研究员
术语解释输出中与受保护源文完全匹配的 20-token 连续片段 降幅
归一化 8-gram 防护,三查询评估
隐藏事实恢复
Qwen3-8B 自适应攻击
单查询回忆
单查询后仅恢复 3.3%,第三轮跳升
源文档重识别
术语解释响应是否被正确关联回确切的源文档(top-1 重识别命中),面对 8-gram 防护
人评实质恢复
Phi-4-14B 归一化防护降幅
注释 · 同一防御在不同终点上得分相反,证明消除字面复制不等于内容保护出自 §6.1 表 C.2
报告改善
108/118 篇;9 篇混合,1 篇净退化
高不确定风险
72 篇无 CI/随机种子/统计检验
重威胁定义
零篇高关注度威胁模型定义
自适应稳健低关注
仅 48 篇在自适应测试获低关注
评估独立性关注
仅 1 篇获低关注
注释 · 几乎全部研究由作者自测防自行实现的攻击,统计不确定性缺失出自 §5.3
防护被拆成 7 族测量终点:只有 A、A-pii、B 三族直接测量内容泄露
生成文本是否逐字或近改写复制受保护源文;与 A-pii 合计仅 14 条记录
输出是否泄露姓名、电话、邮箱等可识别个人标识符
攻击者能否经嵌入反演、索引残迹等在生成之外重建源文档;7 条记录
报告数学隐私界(如 )或似然位移,不测量实际泄露;6 条记录
未授权文档是否被检索、路由或回答;26 条记录,96% 报净改善
审计者能否事后证明语料被索引或查询;18 条记录,版权类最集中
注释 · 记录的归族依据是其首要指标测量的技术事件,而非所用机制出自 §3.1 图 1