RAG 的逻辑劫持：基于局部优化的单文档投毒
Logic Hijacking of RAG: Single-Document Poisoning via Local Optimization
AI 导读
研究者提出针对 RAG 的单文档语料投毒框架 MONOLOGUE，面向黑盒访问场景，以不显式反驳事实的逻辑劫持方式植入错误信息。针对对齐模型会保守仲裁显式矛盾并触发输入护栏的问题，该方法先承认真实信息为权威历史基线，再编织有依据的记录更正叙事（如带日期的机构归属更正），把反事实目标包装成最新更新。为避免可疑的实时写入，攻击载荷完全离线经局部多维门控优化生成，并结合自动化文本质量审计与代理行为验证。作者称，在三个基准、三种检索后端和四种开源权重生成器配置上的评测中，该方法取得了所评测单文档投毒攻击里最强的整体攻击效果。