3 篇文档带有标签「向量库」

一句话摘要：在多租户 RAG 里，两个直觉都靠不住——「向量化了就匿名了」和「按用户过滤了就隔离了」。在已研究的 embedding 设置下，向量可被反演回近似原文（含 PII），所以别把它当匿名化结果；检索是按相似度排序、不是按权限，ACL 若配在检索之后而非之前，最相关的那块私有 chunk 可能来自别的租户；而共享缓存 / 长期 memory 的一个边界 bug，就能把一个用户的私有上下文带进另一个会话。

一句话摘要：把私有文本嵌入成向量、存进向量库，不等于匿名化——嵌入可被反演回原文。Song & Raghunathan（CCS 2020）在其设置下从句嵌入恢复出输入约 50–70% 的词（词集，无序）；Morris 等的 vec2text（EMNLP 2023）对 GTR-base 嵌入把 32-token 短文本逐字精确还原 92%。结论先行：嵌入是私有数据的另一种表示，不是脱敏后的产物——按「可还原回原文」来加密、做访问控制、设保留期，别因为「我们只存了向量」就放松。

一句话摘要：「我删了那条记录」≠「数据没了」。一条个人数据进系统后，会复制到一大堆地方——主库、备份、日志、缓存、向量库 / 嵌入、微调 / 派生模型、分析仓库、第三方子处理方。被遗忘权（GDPR Art. 17）要把删除传播到所有副本才算数；而我这边——训练进权重、嵌入进向量库——恰恰是最难删的一格。NIST 隐私框架把这看成贯穿数据生命周期（采集 → 处理 → 存储 → 处置 / 删除）的治理问题。结论先行：按「数据血缘 + 删除传播」做治理，别把「删了主库」当「已删除」——那是这条最常见的假安全。