在克隆的 KidnapRAG 仓库的父目录下运行以下命令。
cd KidnapRAG
conda create -n KidnapRAG python=3.10
conda activate KidnapRAG
pip install -r requirements.txt
然后，下载语料数据集 📄，并将 ReAct 数据集移动到 /KidnapRAG/ReAct，将 WebThinker 数据集移动到 /KidnapRAG/WebThinker
使用 Llama 模型在 HotpotQA 上的示例。
cd ReAct/ReAct
CUDA_VISIBLE_DEVICES=0,1,2,3 python attack_react.py --attack_method clean --model_path meta-llama/Llama-3.3-70B-Instruct --seed 1 --dataset hotpotqa
--model_path 支持 Llama-3.3-70B-Instruct 和 Qwen/Qwen2.5-32B-Instruct。
--dataset 支持 hotpotqa、musique 和 2wikimultihopqa。
CUDA_VISIBLE_DEVICES=0,1 python generate_attack_doc_kill.py --input_path /KidnapRAG/ReAct/results/adv_targeted_results/hotpotqa_seed1_clean_llama70b.json --gpu_num 2 --dataset hotpotqa --type ours
--type 还支持以下攻击方法：naive 表示朴素攻击，ignore 表示忽略攻击，completion_real 表示伪造补全攻击，completion_realcmb 表示组合攻击，topicattack 表示主题攻击，poisonedRAG 表示投毒RAG，以及 paradox 表示RAG悖论。
BM、BCM、BCCM、BCCCM、BCCCCM）cd ..
python concat.py --dataset hotpotqa --gen_model llama70b
--gen_model 支持 llama70b 对应 Llama-3.3-70B-Instruct，以及 qwen25 对应 Qwen/Qwen2.5-32B-Instruct。
CUDA_VISIBLE_DEVICES=0 python scripts/build_index.py \
--corpus_path /KidnapRAG/ReAct/datasets/hotpotqa/REACT_BM_llama70b.jsonl \
--output_dir /KidnapRAG/ReAct/datasets/hotpotqa/REACT_BM_llama70b \
--model_name intfloat/e5-large-v2
cd ReAct
CUDA_VISIBLE_DEVICES=0,1,2,3 python attack_react.py --attack_method BM --model_path meta-llama/Llama-3.3-70B-Instruct --seed 1 --dataset hotpotqa
使用 QwQ 模型在 HotpotQA 上的示例。
在 KidnapRAG 仓库根目录下运行本节内容。
cd Webthinker
bash scripts/webthinker/qwq_clean.sh \
./datasets/hotpotqa/hotpotqa_promptinject_select.json \
./datasets/hotpotqa_corpus/hotpotqa_corpus.jsonl \
./results/hotpotqa/clean_qwq.json
参数：
./datasets/hotpotqa/hotpotqa_promptinject_select.json：查询路径./datasets/hotpotqa_corpus/hotpotqa_corpus.jsonl：语料路径./results/hotpotqa/clean_qwq.json：结果路径cd scripts
CUDA_VISIBLE_DEVICES=0,1 python generate_attack_doc_kill.py --input_path /KidnapRAG/Webthinker/results/hotpotqa/clean_qwq.json --gpu_num 2 --dataset hotpotqa --type ours
BM、BCM、BCCM、BCCCM、BCCCCM）cd ..
python concat.py --dataset hotpotqa --gen_model qwq
--gen_model 支持 deepseek_32b 对应 lixiaoxi45/WebThinker-R1-32B，以及 qwq 对应 Qwen/QwQ-32B。
bash scripts/webthinker/qwq_attack.sh \
./datasets/hotpotqa/hotpotqa_promptinject_select.json \
./datasets/hotpotqa_corpus/hotpotqa_corpus.jsonl \
./datasets/hotpotqa_poisoned_corpus/WEBTHINKER_BM_qwq.jsonl \
./results/hotpotqa/BM.json
参数：
./datasets/hotpotqa/hotpotqa_promptinject_select.json：查询路径./datasets/hotpotqa_corpus/hotpotqa_corpus.jsonl：语料路径./datasets/hotpotqa_poisoned_corpus/WEBTHINKER_BM_qwq.jsonl：投毒语料路径./results/hotpotqa/BM.json：结果路径@misc{
}