针对多跳 RAG 代理的显著性诱导攻击：威胁与防御

本文揭示了多跳检索增强生成（RAG）代理面临的新攻击面——显著性通道。该攻击通过在保留事实真实性的前提下，操纵信息位置、强调方式及语义邻近度，误导代理的属性绑定推理。作者形式化了“显著性诱导”概念，构建了迭代攻击框架及 SalientWiki-MH 基准。实验表明，现有防御对此类攻击效果有限，而提出的轻量级“显著性归一化”防御策略能显著降低攻击成功率，证明仅靠真实性验证不足以保障代理推理的鲁棒性。