# vector-databases
標記為「vector-databases」的 10 篇文章
Embedding & Vector Security
How embeddings create a hidden attack surface in AI systems: vector database security boundaries, embedding-level attacks, and RAG retrieval manipulation.
Vector Database Access Control
Vector database access control weaknesses: API key management, tenant isolation failures, namespace security, and metadata filtering bypass techniques.
Data Exfiltration via Vector Databases
Data exfiltration techniques for vector databases: embedding inversion to reconstruct documents, enumeration attacks, and similarity-based data harvesting.
Vector Database Security Landscape
Security analysis of major vector databases including Pinecone, Weaviate, Chroma, Milvus, and Qdrant: architecture, access models, and common vulnerabilities.
Vector Database Injection Attacks
Injection attacks against vector databases: embedding poisoning, metadata injection, similarity search manipulation, and nearest-neighbor attacks.
嵌入與向量安全
嵌入如何在 AI 系統中建立隱藏的攻擊面：向量資料庫安全邊界、嵌入層級攻擊與 RAG 檢索操控。
向量資料庫存取控制
向量資料庫的存取控制弱點：API 金鑰管理、租戶隔離失誤、命名空間安全，以及 metadata 過濾繞過技術。
經由向量資料庫的資料外洩
向量資料庫的資料外洩技術：以嵌入反演重建文件、列舉攻擊、以相似度為基礎的資料採集。
向量資料庫安全景觀
主要向量資料庫的安全分析，包含 Pinecone、Weaviate、Chroma、Milvus 與 Qdrant：架構、存取模型與常見漏洞。
向量資料庫注入攻擊
針對向量資料庫的注入攻擊：embedding 投毒、metadata 注入、相似度搜尋操弄，以及最近鄰攻擊。