RAGLeak：针对检索增强生成系统的供应链隐私后门

研究提出 RAGLeak，一种将信息泄露与直接文本暴露解耦的供应链隐私后门攻击：触发后生成器对检索到的私密文档做可逆混淆，再由辅助大语言模型高保真还原。在三个模型家族和三个应用领域上，RAGLeak 攻击成功率最高达 100%，对正常效用影响有限，在代表性检测防御下攻击成功率最多下降 10 个百分点。该后门在干净微调后以及不同模型规模和版本间仍然有效，代码已公开。