现有的RAG（检索增强生成）研究主要集中在防止未经授权的用户访问敏感数据。但是，另一个重要的问题是外部生成器可以访问查询和检索到的文档，这些文档可能包含可能被滥用或用于非预期目的的机密信息。 本文介绍了敏感实体别名生成器（SEAG），一个保护隐私的框架，允许用户在不泄露敏感信息的情况下使用强大的第三方生成器。SEAG引入了一个轻量级模型，用于定位敏感实体，生成相应的别名，并构建实体替换表。该表用于在查询和检索到的文档中替换敏感词汇，然后将其转发给外部生成器。 实验结果表明SEAG框架的成功。对于用户指标，衡量模型在隐藏敏感信息的同时为用户提供正确响应的能力，所有SEAG模型均达到80%以上的准确率。 博主点评： 本文提出了一种有效的保护隐私的RAG框架，通过隐藏敏感信息来防止外部LLM的滥用。实验结果表明该框架的成功，为保护用户隐私提供了新的思路和方法。