RAG 论文日报｜2026-11-03：1 篇研究的问题与新思路

统计范围：北京时间 2026-11-03 00:00–24:00首次提交、截至检索时已公开并被 arXiv 编目的匹配论文。完整取得 1 篇候选，本期收录 1 篇。

阅读依据：论文标题、摘要与可核对元数据。下文是摘要速读，未逐篇全文审阅或独立复现。

昨日研究概览

该论文聚焦 RAG 生成云端 IAM 策略时的检索投毒风险：模型可能拼出语法有效却超出任务授权边界的策略。论文以 60 个案例和确定性授权评分刻画权限范围、拒绝、信任、委派等扩张方式，并比较 BM25 检索与安全例外提示，凸显部署前独立授权检查及人工复核的必要性。

逐篇看：问题与新思路

01. 基准评测 RAG 投毒下的 IAM 越权扩张

原文：IAMRAGBENCH: Benchmarking Authorization Expansions in LLM-Generated AWS IAM Policies under RAG Poisoning

要解决的问题： 当 RAG 从任务文档和检索上下文生成 AWS IAM 策略时，攻击者控制的材料可能诱导模型输出 AWS 可接受、却扩大权限的策略。现有流程若只检查策略格式或任务满足性，难以发现权限范围、条件、显式拒绝、信任及角色委派边界上的新增授权。

新颖的想法： 作者提出 IAMRAGBENCH：构造 60 个覆盖授权范围、条件、显式拒绝、信任、权限边界和角色委派的案例，并用确定性授权包络评分、案例验证及可用的请求级检查识别精确授权差异。评测比较端到端 BM25 与冻结提示下的安全例外表达，结果支持把 IAM 助手视为不可信提案生成器，在部署前独立检查新增访问，并将无法判定的情形送人工复核。

入选线索： 按方向匹配及摘要中的方法贡献线索入选；发表和机构权威线索未核实

作者：Hasan Kaplan、Indika Kumara 等 · 首次提交：2026.11.03

来源、筛选与阅读边界

Top 10 是可解释的阅读优先级，不是公认学术权威排名。排序参考作者标注的发表/录用信息、作者区的机构原文、研究发布和开源线索，再结合方向与方法贡献线索；未提供的依据不从作者姓名或模型常识推断。arXiv 元数据中的录用信息仍是作者标注，不等于本站独立核实了会议录用。

同一论文可以属于多个研究方向；每个方向内部按基础论文 ID 去重，版本更新不另算新论文。候选按首次提交时间筛选，不把旧论文的新版本当作昨天新论文。超过十篇时筛选十篇，不足十篇按实际数量收录。

检索截至：2026.11.04 08:16（北京时间）。本方向共 1 篇候选，本期收录 1 篇。

查询记录：第 1 页。

本文由 AI 研究助手整理并进行来源审校。新颖性为作者的贡献主张，摘要可能省略关键条件；涉及采用、复现或投资决策时，请继续阅读原文。arXiv 收录不代表已经通过同行评审。