英文源多语言 RAG 中的隐私风险所在：跨五种查询语言的阶段分解审计

一个常见的假设是，切换到非英语语言会使多语言 RAG 系统更容易受到个人信息攻击。我们在具有五种查询语言和两阶段防御（LLM 输入判断 + 正则表达式输出过滤器）的英语源合成 PII 语料库上进行了测试，其翻译器、判断器、反向翻译器和生成器都是 Qwen2.5-7B 的管道 - 因此下面的每个发现都是管道条件的，而不是语言固有风险的因果排名。在仅输出过滤下，英语具有最高的观察到的非结构化 PII 泄漏率；在文档级引导间隔下，只有英语与斯瓦希里语能够清晰地分开。添加输入判断后，阿拉伯语和斯瓦希里语仍然存在残余泄漏，并且反向翻译查询并不能缩小差距（我们报告了一种消融，但不能用作因果诊断，因为反向翻译器也是 Qwen）。在单独的 n=17 多语言提示判断残差角上，将标准语料文档附加到输入判断块 15/17 残差单元。我们将最后一个结果视为一种机制诊断，而不是可部署的防御：它使用预言机检索，仅在对抗性查询上测量阻止/允许率，并且我们不测量良性查询误报率，也没有答案效用成本。补充材料包含代码、语料库、查询和预试验 JSONL；优先级后续是独立 MT 加非 Qwen 判断复制，带有母语查询集，范围在“限制”部分。