Tracing Target Answers in Poisoned Retrieval Corpora via Token Influence Attribution

• 类型：arxiv
• 标识：2606.25721
• 链接：http://arxiv.org/abs/2606.25721v1
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：TRACE is presented, a lightweight detection framework that identifies poisoning attacks by tracing answer-related tokens through token influence attribution, and first discovers recurrent high-influence keywords across retrieved documents and then performs a secondary verification to confirm their influence on model predictions.
• OpenAlex ID：W7165921170
• OpenAlex DOI：10.48550/arxiv.2606.25721
• DOI：10.48550/arxiv.2606.25721
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2606.25721
• OpenAlex更新：2026-07-19
• 待LLM分类：否
• 标题中文：通过 Token 影响归因追踪投毒检索语料中的目标答案
• TLDR中文：本文提出 TRACE——一种通过 token 影响归因追踪答案相关 token 来识别投毒攻击的轻量检测框架；该方法首先发现跨检索文档的反复出现的高影响关键词，再经二次验证确认其对模型预测的影响。
• 来源文件：
• /inbox/tom/_candidates/2026-06-25-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]