Awesome-RAG-Security

الأخبار

الإصدار الأولي: يسجّل هذا المستودع الأوراق البحثية المتعلقة بأمن RAG وفق تصنيف SLOT من مسحنا الاستقصائي.

A Survey of Secure Retrieval-Augmented Generation

Yuming Xu ¹, Mingtao Zhang ¹, Zhuohan Ge ¹, Haoyang Li ¹, Nicole Hu ¹, Yongqi Zhang ², Zhiyuan Wen ¹, Jason Chen Zhang ¹, Qing Li ¹, Lei Chen ²

¹جامعة هونغ كونغ المتعددة التقنية، ²جامعة هونغ كونغ للعلوم والتكنولوجيا (غوانغتشو).

@article{xu2026securing,
  title={A Survey of Secure Retrieval-Augmented Generation},
  author={Xu, Yuming and Zhang, Mingtao and Ge, Zhuohan and Li, Haoyang and Hu, Nicole and Zhang, Yongqi and Wen, Zhiyuan and Zhang, Jason Chen and Li, Qing and Chen, Lei},
  journal={arXiv preprint arXiv:2604.08304},
  year={2026}
}

إذا كنت ترغب في تضمين ورقتك البحثية، أو اقتراح تحسينات على استقصائنا، أو مناقشة مواضيع ذات صلة معنا، فلا تتردد في التواصل: [email protected].

_{أسطح الهجوم (S1-S4) وطبقات الدفاع التي تعكسها (L1-L4) على طول مسار RAG.}

_{عرض SLOT لمسار الوصول إلى المعرفة في RAG. تتم محاذاة أسطح الهجوم (S1-S4) وطبقات الدفاع (L1-L4) مع مراحل المسار، بينما الهدف (O) والغاية (T) هما وسوم شاملة تُستخدم لمقارنة الهجمات والدفاعات والمعايير، أي وسم SLOT = السطح/الطبقة + الهدف + الغاية.}

التصنيف والأوراق البحثية

• Awesome-RAG-Security
• آليات الهجوم
  • تسميم المعرفة (S1)
  • التلاعب بنتائج الاسترجاع (S2)
  • استغلال السياق المُسترجَع (S3)
  • استخراج المعرفة الخاصة (S4)
• آليات الدفاع والمعالجة
  • سلامة قاعدة المعرفة والمعالجة (L1)
  • تقوية الوصول أثناء الاسترجاع (L2)
  • عزل السياق بعد الاسترجاع (L3)
  • التحكم في الوصول والخصوصية والسرية (L4)
• دراسات تقييم RAG الآمن
  • دراسات المعايير
  • دراسات التقييم المنهجي
• بروتوكول الفرز والسجلات المنشورة

---

آليات الهجوم

تسميم المعرفة (S1)

تسميم المجموعة الخاص بالاستعلام (إلى الأعلى)

السنة	العنوان	Surface/Layer	Objective	Target	المكان	الرابط الرسمي
2026	Practical Poisoning Attacks against Retrieval-Augmented Generation (CorruptRAG)	S1; sec: S2	O1	T1	SACMAT	Paper
2026	RIPRAG: Hack a Black-box Retrieval-Augmented Generation Question-Answering System with Reinforcement Learning	S1; sec: S2	O1	T1	Findings of ACL	Paper
2026	Token-Level Precise Attack on RAG: Searching for the Best Alternatives to Mislead Generation	S1; sec: S2	O1	T1	Findings of EACL	Paper
2026	Joint-GCG: Unified Gradient-Based Poisoning Attacks on Retrieval-Augmented Generation Systems	S1; sec: S2, S3	O1	T1	AAAI	Paper Code
2025	The Silent Saboteur: Imperceptible Adversarial Attacks against Black-Box Retrieval-Augmented Generation Systems	S1; sec: S2	O1	T1	Findings of ACL	Paper Code
2025	One Shot Dominance: Knowledge Poisoning Attack on Retrieval-Augmented Generation Systems (AuthChain)	S1; sec: S2	O1	T1	Findings of EMNLP	Paper Code
2025	The RAG Paradox: A Black-Box Attack Exploiting Unintentional Vulnerabilities in Retrieval-Augmented Generation Systems	S1; sec: S2	O1	T1	Findings of EMNLP	Paper
2025	PoisonedRAG: Knowledge Corruption Attacks to Retrieval-Augmented Generation of Large Language Models	S1; sec: S2	O1	T1	USENIX Security	Paper Code
2024	Typos that Broke the RAG's Back: Genetic Attack on RAG Pipeline by Simulating Documents in the Wild via Low-Level Perturbations (GARAG)	S1; sec: S2	O1	T1	Findings of EMNLP	Paper
2024	Human-Imperceptible Retrieval Poisoning Attacks in LLM-Powered Applications	S1; sec: S3	O1	T1	FSE Companion	Paper
2024	HijackRAG: Hijacking Attacks against Retrieval-Augmented Large Language Models	S1; sec: S2, S3	O1	T1	arXiv	Paper Code

التسميم المُشغَّل / المُعمَّم (إلى الأعلى)