不防外流也能防濫用，研究提出資料摻雜新作法

一群來自新加坡與中國的研究人員，近日發表一篇名為《Making Theft Useless: Adulteration-Based Protection of Proprietary Knowledge Graphs in GraphRAG Systems》的論文，著重於在企業既有的知識圖譜（Knowledge Graph，KG）中摻雜資料，使得就算在資料外洩後，若駭客企圖利用GraphRAG（Graph Retrieval-Augmented Generation）將KG接上大型語言模型（LLM）進行推理，也只會得到錯誤或失真的結果。