Un equipo dirigido por Zhuchenyang Liu publicó el 8 de octubre de 2026 un estudio que demuestra que es posible invertir las bases de datos vectoriales utilizadas por los sistemas de búsqueda visual de documentos para reconstruir páginas legibles. El ataque recupera alrededor del 47 % de las palabras y sitúa la página original en primer lugar en el 98,4 % de las consultas del benchmark ViDoRe v3. Defensas sencillas, como agrupar tokens o barajarlos, reducen la recuperación de palabras a aproximadamente un 8 %, pero un modelo que vuelve a ordenar los vectores barajados aún puede situar la página correcta en primer lugar el 93,5 % de las veces. Los resultados también se aplican a otro sistema de recuperación, en el que las páginas originales aparecen en primer lugar el 70,2 % de las veces.
Por qué importa
Las organizaciones que almacenan índices de documentos en bases de datos vectoriales de terceros quizá necesiten protecciones más sólidas para mantener a salvo el texto confidencial.
