不防外流也能防濫用，研究提出資料摻雜新作法
背景與研究目的
一群來自新加坡與中國的研究人員，提出題為《Making Theft Useless: Adulteration-Based Protection of Proprietary Knowledge Graphs in GraphRAG Systems》的論文。該研究聚焦於企業知識圖譜（Knowledge Graph，KG）的資料防護，嘗試在 KG 中摻雜關鍵資料，以降低外洩後被駭客利用進行推理的風險。
核心機制
該作法利用 GraphRAG（Graph Retrieval-Augmented Generation）系統，在資料被外洩後，於將 KG 與大型語言模型（LLM）結合進行推理時，使推理結果出現錯誤或失真，從而削弱非法取得的商業智財價值。
實務意義與風險
研究指出此機制在理論上可提升知識圖譜的保護性，減少在外洩情境下的濫用風險；但也可能影響正當使用，且實際效果與實作成本需更多實驗與評估。
來源
資料來源於 iThome 報導。https://www.ithome.com.tw/news/173228