Retrieval Augmented Generation (RAG) 프레임워크는 외부 문서 검색을 통해 LLM의 정확도를 향상시키지만, 검색 과정을 조작하는 적대적 공격에 취약합니다. 본 논문에서는 적대적 문서 공격에 대한 그래프 기반 재순위 지정 프레임워크인 GRADA를 제안합니다. GRADA는 적대적 문서의 영향을 줄이면서 검색 품질을 유지하는 것을 목표로 합니다. GPT-3.5-Turbo, GPT-4o, Llama3.1-8b, Llama3.1-70b, Qwen2.5-7b 등 다섯 개의 LLM과 세 개의 데이터셋을 사용하여 실험을 진행했으며, Natural Questions 데이터셋에서 최대 80%의 공격 성공률 감소를 달성했습니다.