RAGuard: A Layered Defense Framework for Retrieval-Augmented Generation Systems Against Data Poisoning. OpenReview (ResponsibleFM @ NeurIPS 2025).

 

Défense RAG contre l’empoisonnement — framework “layered”

Kolhe, Tanish; Kumar, Pushkal; Nielson, Tucker; Zala, Shubham; Li, Vincent; Saxon, Michael; Wu, Sean; Zhu, Kevin. (2025). RAGuard: A Layered Defense Framework for Retrieval-Augmented Generation Systems Against Data Poisoning. OpenReview (ResponsibleFM @ NeurIPS 2025).

LIEN :  https://openreview.net/forum?id=onh7sLJ1kl (PDF : https://openreview.net/pdf/f7bd605a521e7fe5a23b34a2ef51659d26264d62.pdf) 

Description (FR) : Propose une défense à deux étages (durcissement du retriever + filtre “zero-knowledge”) pour réduire l’Attack Success Rate tout en gardant une bonne qualité de retrieval.

Poisoning Attacks on Retrieval-Augmented Generation in Large Language Models. arXiv (cs.CR), arXiv:2505.19864.

 

Attaques sur RAG — empoisonnement “covert” (menace réaliste)

Li, Chunyang; Zhang, Junwei; Cheng, Anda; Ma, Zhuo; Li, Xinghua; Ma, Jianfeng. (2025). CPA-RAG: Covert Poisoning Attacks on Retrieval-Augmented Generation in Large Language Models. arXiv (cs.CR), arXiv:2505.19864. 

LIEN : https://arxiv.org/pdf/2505.19864

Description (FR) : Montre comment des contenus empoisonnés peuvent manipuler la récupération et forcer des réponses-cibles, avec démonstrations sur plusieurs jeux de données et systèmes.

A Survey on Knowledge-Oriented Retrieval-Augmented Generation. arXiv (cs.CL), arXiv:2503.10677.

 

RAG orienté “connaissances” — taxonomie + évaluation

Cheng, Mingyue; Luo, Yucong; Ouyang, Jie; Liu, Qi; Liu, Huijie; Li, Li; Yu, Shuo; Zhang, Bohou; Cao, Jiawei; Ma, Jie; Wang, Daoyu; Chen, Enhong. (2025). A Survey on Knowledge-Oriented Retrieval-Augmented Generation. arXiv (cs.CL), arXiv:2503.10677. 

LIEN  :  https://arxiv.org/abs/2503.10677 

Description (FR) : Un état de l’art axé sur l’intégration de sources de connaissance (documents, bases, données structurées), les benchmarks et les limites d’alignement retrieval↔generation.

Retrieval-Augmented Generation: A Comprehensive Survey of Architectures, Enhancements, and Robustness Frontiers. arXiv (cs.IR), arXiv:2506.00054.

 

RAG (LLM + recherche web / bases documentaires) — grand panorama

Sharma, Chaitanya. (2025). Retrieval-Augmented Generation: A Comprehensive Survey of Architectures, Enhancements, and Robustness Frontiers. arXiv (cs.IR), arXiv:2506.00054. 

LIEN : https://arxiv.org/abs/2506.00054 

Description (FR) : Une synthèse structurée des architectures RAG, des optimisations (retrieval, filtrage, décodage) et des enjeux de robustesse face au bruit et aux attaques.

Moltbook : le seul réseau social 100% IA, vraiment ? • FRANCE 24

L’Utah va limiter l’accès des jeunes aux réseaux sociaux

C-18 : Google va retirer les liens des médias canadiens

Cybercriminalité, des attaques bien réelles | ARTE

This Video Has 63,580,596 Views

Harvard CS50 – Full Computer Science University Course

Plainte des consommateurs européens contre Google

CS50 Lecture by Mark Zuckerberg - 7 December 2005

The Dark Net isn't what you think. It's actually key to our privacy | Al...

The hidden network that makes the internet possible - Sajan Saini

Andrew Blum: What is the Internet, really?

How 1 man put Zimbabwe ‘on the map’

Le réseau social Facebook bloque le partage d'articles de presse en Aust...

Cyberattaques : face à une menace qui explose, la France présente sa rip...

ConverStory for Android

LG Velvet Review With LG Dual Screen