Cet article présente deux attaques par empoisonnement des connaissances (KPA) qui exploitent les vulnérabilités du modèle GraphRAG (Graph-based Retrieval-Augmented Generation). GraphRAG transforme le texte brut en un graphe de connaissances structuré afin d'améliorer la précision et l'explicabilité des LLM. Nous abordons le risque de manipulation malveillante du processus d'extraction des connaissances du LLM à partir du texte brut. Les deux attaques proposées sont le KPA ciblé (TKPA) et le KPA universel (UKPA). Le TKPA utilise l'analyse théorique des graphes pour identifier les nœuds vulnérables du graphe généré et réécrit les descriptions correspondantes en LLM, contrôlant précisément les résultats spécifiques des questions-réponses (QA). L'UKPA exploite des indices linguistiques, tels que les pronoms et les dépendances, pour altérer les mots à influence globale, détruisant ainsi l'intégrité structurelle du graphe généré. Les résultats expérimentaux démontrent que même de petites modifications textuelles peuvent considérablement dégrader la précision de l'AQ de GraphRAG, soulignant l'échec des techniques de défense existantes à détecter ces attaques.
