面向稠密检索的连续空间无监督语料库投毒攻击

基于摘要分析。本文研究稠密信息检索中的语料库投毒：攻击者向语料库注入少量恶意生成的文档，以损害搜索排序。核心贡献是在连续嵌入空间中优化攻击，并在攻击者事先不知道查询分布的条件下生成对抗文档；这里的“无监督”主要指这一查询信息约束。 方法上，作者训练扰动模型，目标是在维持原始文档与对抗文档嵌入之间几何距离关系的同时，最大化两者在 token 层面的差异。其出发点是，既有基于梯度的词替换攻击在离散词汇空间搜索，而检索依据连续嵌入进行，两者存在优化空间上的差异。摘要未给出几何约束、token 差异目标的具体公式及文本生成流程，尚不能判断这些目标如何联合实现。 评估覆盖域内与域外数据，包含 top-1 攻击和语料库投毒两类任务，并考虑白盒与黑盒设置。作者报告，其方法生成每个目标文档的成功对抗样本耗时不足两分钟，在相同硬件下，相比文献中最快的基于梯度的词替换方法快四倍；摘要未列明具体数据集、硬件、基线名称、攻击成功率及各设置的分项结果。作者还报告，生成文本具有较低困惑度，据此认为更接近自然文本分布、更难检测；是否有直接的检测器评估尚未验证，不能将低困惑度等同于已证实的检测规避能力。 复现需核对攻击者对检索模型的访问权限、注入文档数量与预算、top-1 成功判据、域外划分，以及耗时统计是否包含训练与生成全过程。实验协议、消融及统计信息尚未验证。本文的主要对象是文本检索安全，摘要未提供 EEG 或 BCI 验证，不据此推断其对神经信号解码的有效性。