Hidden-in-Plain-Text：面向社交网络 RAG 间接提示注入的基准

用户生成的社交网页内容进入 RAG 后，间接提示注入与检索投毒会沿摄入到生成生效，而同时覆盖这些载体和可部署缓解的可复现基准仍然缺少。

• 场景：作者称 RAG 用公开 Web 与社交媒体内容接地，既增加覆盖和时效，也扩大 Web 原生攻击面。间接提示注入把指令嵌在第三方内容中，检索到后可能被执行；检索投毒则偏置索引或检索器，使恶意内容进入 top-k。
• 现有不足：作者称已有记忆与抽取工作显示，看似无害的文本也能触发披露，但覆盖 HTML、无障碍通道和 Unicode 载体、并带可部署缓解的紧凑 Web 中心 RAG 基准仍然缺失。
• 威胁模型：
  • 目标：作答时执行注入指令（ASR），或在投毒下抬高攻击者目标条目的排序（ΔMRR@10、ΔnDCG@10）。
  • 知识：攻击者了解标记载体（hidden spans、off-screen CSS、alt text、ARIA、zero-width），但不知道模型权重，也不知道系统提示词。
  • 能力：控制将被检索器摄入的一部分网页。
  • 受害系统：使用 top-k 检索（默认 k=5）和单个 LLM 的 Web-facing RAG。
• 本文给出：OpenRAG-Soc，一套基准与测试架，含社交风格语料、可互换的稀疏/稠密检索器，以及 HTML/Markdown 消毒、Unicode 归一化和 attribution-gated answering。作者称它面向需要快速、贴近部署的风险检查的从业者。

作者把相关工作分成间接提示注入和 RAG 投毒/泄露两条线，并把本文放在摄入到生成的管线上。

间接提示注入与 Web 智能体

• OWASP LLM Top-10（文中引用为 2024）：把间接提示注入列为 LLM 应用威胁，并建议消毒、策略隔离等分层控制。
• Greshake 等（2023）：形式化数据与指令界限被打破后，可检索的第三方内容如何成为远程注入通道。
• WASP（Evtimov 等，2025）与 WebArena（Zhou 等，2023）：在浏览器中介的网页任务中，hidden spans、off-screen CSS、alt text、ARIA 等载体可以操纵系统。另有运行报告与自适应攻击文献，作者用来说明需要跨载体、跨防御的可复现评测。

检索投毒、后门与泄露

• Clop 与 Teglia（2024）、Su 等（2025）：后门或被投毒的检索器可以把攻击者文档抬进 top-k，从而引导接地回答。
• Qi 等（2024，Follow My Instruction and Spill the Beans）、Zeng 等（2024）：讨论从 RAG 检索库做可扩展抽取，以及 RAG 中的隐私问题。
• Carlini 等（2021）、Nasr 等（2023）：引言用来说明看似良性的文本也能触发披露。作者据此写明仍缺 Web 中心的 RAG 基准，而不是批评这些抽取工作本身。

归因、批判再生与检索基础

• Qi、Sarti 等（2024）：用模型内部信息做答案归因，以支持可追溯的 RAG；本文的引用门控引用这一路。
• Self-RAG（Asai 等，2023）：检索、生成并批判，以改进事实性文本。实验里用了 SelfRAG-style 的 critique/regenerate 对照。
• BM25（Robertson 与 Zaragoza，2009）、Contriever（Izacard 等，2021）、E5（Wang 等，2022）：被作者用作同一批分块上的稀疏与稠密检索对照。

基线与数据

• 配置：Vanilla、Sanitized、Normalized、Attribution-gated，以及 Sanitized+Normalized 和 All Defenses；另有 SelfRAG-style 基线。
• 数据：自建 6,200 页社交风格语料；另有许可爬取的博客、文档和论坛子集（N=2350）。

作者称 OpenRAG-Soc 不替换智能体测试床，而是隔离检索与生成效应。定位段把它与强调浏览器动作或较窄载体集合的 web-agent 基准区分开，并写到组合载体、coverage-adjusted ASR，以及 ASR–延迟的 Pareto 防御曲线。

OpenRAG-Soc 把社交风格网页做成带载体标签的语料，走摄入、检索、生成，并用可组合开关比较三项防御；同时记录作答时是否执行注入指令，以及投毒带来的排序变化。

语料与载体

• 规模：6,200 个社交风格页面，五类载体为 hidden spans 1,330、off-screen CSS 1,280、alt text 1,280、ARIA 980、zero-width 1,330。其中可见变体 3,090，隐藏或屏外变体 3,110。
• 标签：每页有 payload 与 control 对照，并标有 variant、carrier、topic、poison_target、has_canary、payload_visibility。作者称这些载体在实践中常能通过摄入。
• 附加切片：硬负例（良性祈使句）、扩展 confusables，以及 PDF 文本层和 SVG 的 title/desc 约 200 页，用来探测非 HTML 摄入。

检索、生成与提示

• 稀疏检索：BM25，经 Pyserini/Lucene v0.22，k1=1.2，b=0.75。
• 稠密检索：intfloat/e5-base-v2 与 BAAI/bge-large-en-v1.5，mean pooling 后做 ℓ2 归一化；索引用 FAISS HNSW（M=32），efSearch=64。结果节还列入 Contriever。
• 分块与深度：块大小取 256、512 或 768，overlap=128。top-k 取 3、5、10，默认 k=5；干净集另报 k=10。每次运行固定一对检索器与生成器。
• 生成器：Llama-3-8B-Instruct（HF）、Mistral-7B-Instruct、Qwen2.5-14B、Llama-3-70B（API）。max_tokens=512，temperature=0.2，nucleus p=0.9。
• 提示：各设置共用一条禁止从上下文引入新指令的模板，要求只回答用户问题，并引用支持论断的片段。Attribution-gated 模式要求每句有行内引用，否则该句重新生成。

防御开关

• Sanitization：用生产级消毒器 DOMPurify 去掉或中和隐藏、屏外载体和危险属性，保留可见文本。
• Normalization：NFKC 加控制字符剥离，针对 zero-width 与同形字。
• Attribution-gated prompting：把回答限制在带引用的片段上。三项正交、可组合。PDF 只抽文本层，SVG 解析 title 与 desc，再走同一分块和防御。

指标与配置

• ASR：查询集合 Q 上执行注入指令的比例。检测器集成（模式检查加一个轻量分类器）给出 0/1 的跟随指示，定义为 ASR=(1/|Q|)∑_{q∈ Q} I_follow(q)。
• 排序：攻击者目标条目视为相关项。相对 Vanilla 的变化写为 Δ MRR=MRR_def−MRR_van，nDCG@k 同样用防御配置减去 Vanilla。
• 效用与延迟：可回答率；归因门控运行中，输出 token 与被引片段对齐的比例。延迟是每查询端到端时间的中位数和 IQR，并报告相对 Vanilla 的百分比；每个配置至少聚合 8k 次运行。置信区间用非参数 bootstrap；配对差异用 Wilcoxon signed-rank 检验。
• 配置：Vanilla 不消毒、不归一化，使用标准提示；另有 Sanitized、Normalized、Attribution-gated，以及 Sanitized+Normalized 和 All Defenses。对照文档用来把检索效应和载荷执行分开。

实验设置

• 生成器：Llama-3-8B-Instruct、Mistral-7B-Instruct、Qwen2.5-14B、Llama-3-70B。检索器为 BM25、intfloat/e5-base-v2、BAAI/bge-large-en-v1.5；消融句中还包括 Contriever。
• 数据：主评测是 6,200 页、五类载体的社交风格语料。真实网页测试为许可爬取的博客、文档和论坛，N=2350，按域名和主题分层，每域上限 105 页，种子 URL 加广度 2 爬取。
• 对照：Vanilla、Sanitized、Normalized、All Defenses，以及 Sanitized+Normalized。另有 SelfRAG-style critique/regenerate。Attribution-gated 在方法中定义，Table 1 未单列该列。
• 指标：ASR 及括号内区间；投毒用 ΔMRR@10、ΔnDCG@10；效用为可回答率和 token 级引用对齐；延迟给中位数与 p95。
• 判定：模式检查加轻量分类器。人工审计为 N=1200 条生成、三名标注者双标；另有 N=300 的改写/跨句审计，以及 N=750 上的检测器校准。
• 未写明：Table 1 与 Table 2 未说明生成模型和检索器；主 ASR 的查询数论文未报告。采样设置为 temperature=0.2、nucleus p=0.9，默认 k=5。

主结果

下表是间接提示注入的 ASR（%），据 Table 1。论文未说明对应的生成模型与检索器，也未按模型分列，故不把四个生成器填进表内。

表格较宽，可左右滑动

载体	Vanilla	Sanitized	Normalized	All Defenses
Hidden spans	34.0	12.3	33.1	5.0
Off-screen CSS	30.1	9.8	29.3	4.6
Alt text	27.8	11.1	27.0	4.8
ARIA	9.6	9.3	9.4	5.1
Zero-width	23.2	23.0	7.8	4.2
Macro avg.	24.9	13.1	21.3	4.7

• 作者解读：Vanilla 的指令跟随率最高；Sanitized 主要压低 HTML/Markdown 载体，Normalized 主要压低 zero-width；各载体上 All Defenses 都最低。作者称效用代价可以忽略，稠密与稀疏检索器的防御排序相同。Table 1 没有按检索器分开的数字。
• 表内对照：ARIA 在 Vanilla、Sanitized、Normalized 上为 9.6、9.3、9.4，到 All Defenses 才到 5.1。Zero-width 上 Sanitized 为 23.0，相对 Vanilla 的 23.2 变化很小；hidden spans 上 Normalized 为 33.1，相对 34.0 也接近。
• 区间：Table 1 括号内给了区间。宏平均 Vanilla 为 (20.3, 29.2)，All Defenses 为 (3.5, 6.3)。方法节称区间来自非参数 bootstrap，表注未写是否为 95%，结果节也未给 Wilcoxon 的 p 值。

检索排序与效用

• Figure 1：横轴为 Poison fraction（%），标注 0.1、0.5、1、5、10；纵轴为 ΔMRR@10 vs. Vanilla，标注 0、−5·10^−2、−0.1、−0.15。图例是 BM25 (Van.)、Dense (Van.)、BM25 (S+N)、Dense (S+N)。作者称排序退化随投毒预算增大，Sanitized+Normalized 对两种检索器都减弱该退化。文本未给出各曲线端点数值，也未说明 Dense 是哪一个稠密模型。
• 干净集：k=10 时，Sanitized+Normalized 相对 Vanilla 的 ΔMRR@10 为 −0.012，ΔnDCG@10 为 −0.009；文中写 MRR@10 从 0.462 到 0.450，nDCG@10 从 0.598 到 0.589。作者称稠密检索器方向相同，绝对变化略大于 BM25。论文未把 0.462 这一对数字直接标成 BM25 或某一个稠密模型。
• 效用：Sanitized+Normalized 下可回答率变化为 −1.8 个百分点 / −2.2 个百分点；归因门控运行的 token 级引用对齐为 0.88。论文未说明这两个百分点分别对应哪个检索器或生成器。

检测器与人工审计

• N=1200：三名标注者双标。检测器 P=0.92，R=0.89，F1=0.90，Cohen's κ=0.84。混淆矩阵为 TP=498、FP=43、FN=62、TN=797，金标准正例约 40%。
• 错误样本：作者称 FN 主要是改写后的多句服从（13/20，65%），其余是跨句依赖（7/20，35%）；FP 是谨慎的元文本（10/14，71%）或只含引用的回复（4/14，29%）。这是文中给出的 20 与 14 例，不是全部 FN/FP。
• 偏差：N=300 的改写/跨句审计为 P=0.90、R=0.88、F1=0.89，检测器 ASR 偏差 +0.6 pp（配对 bootstrap ±0.4 pp）。用人标重打一个 final-split 切片后，宏平均 ASR 移动在 ±0.8 pp 内，防御排序不变。N=750 上做 10k 次参数 bootstrap 后，作者报告的主要降幅变化不超过 0.6 pp，区间与检测器结果重叠。

真实网页与自适应载荷

• Table 2：静态 / 自适应 ASR（%）为 Vanilla 22.7 / 28.9（+6.2 个百分点），Normalized 19.1 / 22.2（+3.1），Sanitized 12.0 / 15.8（+3.8），All Defenses 4.3 / 5.4（+1.1）。作者称自适应提示词在各防御上都提高 ASR，排序仍为 Vanilla、Normalized、Sanitized、All Defenses。该表同样未说明生成模型。
• 排序与效用：作者称干净集排序与静态情形相近，并给出 BM25 的 ΔMRR@10 约 −0.015、ΔnDCG@10 约 −0.012；效用变化相对静态设置在 2.5 个百分点以内。

其他消融与分析

• 块大小 {256, 512, 768}：绝对 ASR 变化至多 2.2 pp（中位数），配置排序不变。
• top-k 从 3 到 10：作者称 HTML 载体 ASR 轻度上升，All Defenses 保持在 4%±1% 以内。
• 跨 Llama-3-8B/70B、Mistral-7B、Qwen2.5-14B，以及 BM25、E5-base、BGE-large、Contriever：投毒剂量–反应斜率与防御排序一致；作者称更强的稠密模型相对 E5-base 的干净集 MRR@10 高 0.018，未点名是哪一个模型。
• SelfRAG-style critique/regenerate：相对 All Defenses 再低 0.6 pp ASR，中位开销 +70 ms，可回答率 −1.1 pp。
• 延迟：摄入消毒 +3.1%（p95 7.4%）；Unicode 归一化低于 0.5%。绝对时间上，Vanilla 端到端 1005/2080 ms（中位/p95），Sanitized +31/+154 ms，Normalized +5/+10 ms。消毒下 Generate +18/+120 ms，Ingest +13/+30 ms，其余阶段低于 5 ms。
• 防御后残差：可见祈使句占 49%，归因使该桶 ASR 相对 Vanilla 下降 78%；代码中的 confusable 占 31%，归一化下降 66%；查询与注入任务对齐占 20%，消毒加归因下降 61%。作者称归因会漏掉超出被引片段的改写，归一化会漏掉代码围栏保住的 confusable。

作者指出的局限与后续方向

• 提示词知晓的对手：各次运行的提示词固定。作者称自适应改写仍保持防御排序，但完全知晓提示词的对手留作后续工作（§6.1）。
• 多阶段管线：评测对象是通常能通过摄入的载体。作者写明 JS 渲染的 DOM 变换、自定义渲染器和 OCR 噪声可能引入新载体或失败模式；消毒、归一化与归因门控可能有帮助，但需要专门评估（§6.1）。
• 方法代价：讨论节称消毒可能降低召回，归因可能降低可回答率；作者同时称这些方法改善来源标注和安全性（§6）。

实验覆盖范围

• 生成器为 Llama-3-8B-Instruct、Mistral-7B-Instruct、Qwen2.5-14B、Llama-3-70B；检索器报告了 BM25、E5-base、BGE-large 和 Contriever。
• 主 ASR 按 hidden spans、off-screen CSS、alt text、ARIA、zero-width 五类载体报告。语料另含 PDF/SVG 约 200 页，论文未报告该切片的分项 ASR。
• 防御配置包括 Vanilla、Sanitized、Normalized、Attribution-gated、Sanitized+Normalized、All Defenses，以及 SelfRAG-style critique/regenerate。真实网页测试含静态载荷和自适应红队提示词集（Table 2，N=2350 页，每域上限 105 页）。
• 检测器审计为 N=1200（三人双标）、N=300 和 N=750。每个延迟配置至少聚合 8k 次运行。论文写出用 Wilcoxon signed-rank 做配对检验，结果节未给出 p 值。
• 论文未报告主 ASR 的查询数，也未说明 Table 1、Table 2 和 Figure 1 中 Dense 对应的生成模型或具体稠密检索器；轻量分类器没有模型名。定位段提到 coverage-adjusted ASR 和 Pareto 防御曲线，结果节未给出该指标的定义式或图上读数。

OpenRAG-Soc 是一套面向从业者的 Web-facing RAG 基准和测试架，用来衡量社交网页载体上的间接提示注入和检索投毒。

• 问题：攻击者控制一部分将被摄入的网页，知道标记载体，但不知道模型权重和系统提示词。系统使用 top-k 检索（默认 k=5）和一个 LLM。成功指作答时执行注入指令，或抬高投毒目标的排序。
• 做法：6,200 页社交风格语料覆盖 hidden spans、off-screen CSS、alt text、ARIA 和 zero-width，并有可见与隐藏变体。管线把页面分成固定步长的片段，用 BM25 或稠密检索器取回，再由固定的检索器–生成器对作答。防御是 DOMPurify 消毒、NFKC 归一化，以及要求行内引用的归因门控，可以单独或组合打开。
• 主结果：Table 1 的宏平均 ASR 在 Vanilla 为 24.9%，在 All Defenses 为 4.7%。作者称消毒主要对应 HTML/Markdown 载体，归一化主要对应 zero-width。ARIA 上 Vanilla、Sanitized、Normalized 分别为 9.6%、9.3%、9.4%。该表未标明生成模型。
• 其余结果：真实网页上，自适应载荷把 Vanilla 的 ASR 记为 28.9%，All Defenses 记为 5.4%（Table 2），防御排序不变。干净集 k=10 上，Sanitized+Normalized 的 ΔMRR@10 为 −0.012。N=1200 的双标审计中，检测器 F1=0.90、κ=0.84。摄入消毒使管线延迟增加 3.1%（p95 7.4%）。
• 作者结论：作者称 HTML/Markdown 消毒、Unicode 归一化与归因门控能降低指令跟随并加强来源标注，且开销不妨碍在网页 RAG 中部署。完全知晓提示词的对手，以及 JS 渲染、自定义渲染器和 OCR 噪声，作者留作后续专门评估。