MEMSAD：检索增强代理中记忆投毒的梯度耦合异常检测

本文形式化了检索增强代理的记忆投毒攻击，并指出现有评估协议的不一致性。主要贡献是提出 MEMSAD，一种基于校准的防御机制，利用梯度耦合定理证明异常分数梯度与检索目标梯度一致，从而提供认证检测半径。理论证明了其极小极大最优性及在线遗憾界，并揭示了离散同义词替换的攻击漏洞。实验表明，该复合防御在所有攻击下实现了完美的真阳性率和零假阳性率，但无法防御同义词替换攻击。