Buchumschlag

Mitigating the Privacy Issues in Retrieval-Augmented Generation (RAG) via Pure Synthetic Data

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zeng, Shenglai, Zhang, Jiankun, He, Pengfei, Ren, Jie, Zheng, Tianqi, Lu, Hanqing, Xu, Han, Liu, Hui, Xing, Yue, Tang, Jiliang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

The Good and The Bad: Exploring Privacy Issues in Retrieval-Augmented Generation (RAG)
von: Zeng, Shenglai, et al.
Veröffentlicht: (2024)

Beyond Text: Unveiling Privacy Vulnerabilities in Multi-modal Retrieval-Augmented Generation
von: Zhang, Jiankun, et al.
Veröffentlicht: (2025)

Unveiling Privacy Risks in LLM Agent Memory
von: Wang, Bo, et al.
Veröffentlicht: (2025)

Unveiling and Mitigating Memorization in Text-to-image Diffusion Models through Cross Attention
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Stealthy Backdoor Attack via Confidence-driven Sampling
von: He, Pengfei, et al.
Veröffentlicht: (2023)

Six-CD: Benchmarking Concept Removals for Benign Text-to-image Diffusion Models
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Data Poisoning for In-context Learning
von: He, Pengfei, et al.
Veröffentlicht: (2024)

Multi-Faceted Studies on Data Poisoning can Advance LLM Development
von: He, Pengfei, et al.
Veröffentlicht: (2025)

Sharpness-Aware Data Poisoning Attack
von: He, Pengfei, et al.
Veröffentlicht: (2023)

Copyright Protection in Generative AI: A Technical Perspective
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Keeping an Eye on LLM Unlearning: The Hidden Risk and Remedy
von: Ren, Jie, et al.
Veröffentlicht: (2025)

DiffusionShield: A Watermark for Copyright Protection against Generative Diffusion Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2023)

To trust or not to trust: Attention-based Trust Management for LLM Multi-Agent Systems
von: He, Pengfei, et al.
Veröffentlicht: (2025)

SoK: Privacy Risks and Mitigations in Retrieval-Augmented Generation Systems
von: Bodea, Andreea-Elena, et al.
Veröffentlicht: (2026)

FT-Shield: A Watermark Against Unauthorized Fine-tuning in Text-to-Image Diffusion Models
von: Cui, Yingqian, et al.
Veröffentlicht: (2023)

Differentially Private Synthetic Text Generation for Retrieval-Augmented Generation (RAG)
von: Mori, Junki, et al.
Veröffentlicht: (2025)

P$^2$RAG: Efficient Privacy-Preserving RAG Service Supporting Arbitrary Top-$k$ Retrieval
von: Ming, Yulong, et al.
Veröffentlicht: (2026)

A Robust Semantics-based Watermark for Large Language Model against Paraphrasing
von: Ren, Jie, et al.
Veröffentlicht: (2023)

Privacy-Aware RAG: Secure and Isolated Knowledge Retrieval
von: Zhou, Pengcheng, et al.
Veröffentlicht: (2025)

PRAG: End-to-End Privacy-Preserving Retrieval-Augmented Generation
von: Li, Zhijun, et al.
Veröffentlicht: (2026)

CPA-RAG:Covert Poisoning Attacks on Retrieval-Augmented Generation in Large Language Models
von: Li, Chunyang, et al.
Veröffentlicht: (2025)

Red-Teaming LLM Multi-Agent Systems via Communication Attacks
von: He, Pengfei, et al.
Veröffentlicht: (2025)

MalMixer: Few-Shot Malware Classification with Retrieval-Augmented Semi-Supervised Learning
von: Li, Jiliang, et al.
Veröffentlicht: (2024)

PIR-RAG: A System for Private Information Retrieval in Retrieval-Augmented Generation
von: Wang, Baiqiang, et al.
Veröffentlicht: (2025)

IDPFilter: Mitigating Interdependent Privacy Issues in Third-Party Apps
von: Liu, Shuaishuai, et al.
Veröffentlicht: (2024)

TechniqueRAG: Retrieval Augmented Generation for Adversarial Technique Annotation in Cyber Threat Intelligence Text
von: Lekssays, Ahmed, et al.
Veröffentlicht: (2025)

MalRAG: A Retrieval-Augmented LLM Framework for Open-set Malicious Traffic Identification
von: Luo, Xiang, et al.
Veröffentlicht: (2025)

EnTruth: Enhancing the Traceability of Unauthorized Dataset Usage in Text-to-image Diffusion Models with Minimal and Robust Alterations
von: Ren, Jie, et al.
Veröffentlicht: (2024)

Not All Entities are Created Equal: A Dynamic Anonymization Framework for Privacy-Preserving RAG
von: Zhu, Xinyuan, et al.
Veröffentlicht: (2026)

RAG Safety: Exploring Knowledge Poisoning Attacks to Retrieval-Augmented Generation
von: Zhao, Tianzhe, et al.
Veröffentlicht: (2025)

Does Training with Synthetic Data Truly Protect Privacy?
von: Zhao, Yunpeng, et al.
Veröffentlicht: (2025)

A Comprehensive Survey on Trustworthy Graph Neural Networks: Privacy, Robustness, Fairness, and Explainability
von: Dai, Enyan, et al.
Veröffentlicht: (2022)

Privacy-Preserving Retrieval-Augmented Generation with Differential Privacy
von: Koga, Tatsuki, et al.
Veröffentlicht: (2024)

ProveRAG: Provenance-Driven Vulnerability Analysis with Automated Retrieval-Augmented LLMs
von: Fayyazi, Reza, et al.
Veröffentlicht: (2024)

Benchmarking Knowledge-Extraction Attack and Defense on Retrieval-Augmented Generation
von: Qi, Zhisheng, et al.
Veröffentlicht: (2026)

Fine-Grained Privacy Extraction from Retrieval-Augmented Generation Systems via Knowledge Asymmetry Exploitation
von: Chen, Yufei, et al.
Veröffentlicht: (2025)

Comprehensive Vulnerability Analysis is Necessary for Trustworthy LLM-MAS
von: He, Pengfei, et al.
Veröffentlicht: (2025)

From Detection to Response: A Deep Learning and Retrieval-Augmented Generation Framework for Network Intrusion Mitigation
von: Islam, Md Navid Bin, et al.
Veröffentlicht: (2026)

TrojanRAG: Retrieval-Augmented Generation Can Be Backdoor Driver in Large Language Models
von: Cheng, Pengzhou, et al.
Veröffentlicht: (2024)

PoisonedRAG: Knowledge Corruption Attacks to Retrieval-Augmented Generation of Large Language Models
von: Zou, Wei, et al.
Veröffentlicht: (2024)