호스팅된 검색증강생성(RAG)과 시맨틱 검색에서 각 질의와 선택된 결과를 숨기면서도 이용자가 권한을 가진 문서만 노출해야 하는 상충 요구를 다룬 연구다. 기존 암호학적 접근은 매 질의마다 전체 코퍼스를 처리해 비용이 크거나, 일부 클러스터만 스캔해 효율을 얻는 대신 품질을 희생했다. 연구진은 학습된 딥 해싱을 사적 필터로 재활용해, 무작위화된 이진 코드로 제공자가 짧은 후보 목록을 좁히고 암호화된 재순위화와 무의식적 키 전송으로 정확한 질의와 최종 선택을 보호하는 방식을 제안했다. 200~500개 후보만으로 2만5000개에서 540만 개 문서 규모의 5개 제로샷 코퍼스에서 전체 코퍼스 검색과 근접한 성능을 냈으며, 268만 개 구절 규모의 NQ 코퍼스에서 10Gbps 링크 기준 128토큰 Qwen3-32B RAG 파이프라인에 0.73초(10%)만 추가됐다. 공개된 코드는 방향성 지표 차분 프라이버시를 만족하며 임베딩 역변환 및 속성 추론 유출도 크게 줄인다.

• •학습된 딜 해싱을 사적 필터로 활용, 무작위 이진 코드로 후보 목록 축소
• •암호화된 재순위화와 무의식적 키 전송으로 질의·최종 선택 보호
• •200~500개 후보만으로 5개 제로샷 코퍼스(2.5만~540만 문서)서 전체 검색 성능에 근접
• •268만 구절 NQ 코퍼스·10Gbps 환경서 RAG 파이프라인에 지연 0.73초(10%)만 추가
• •방향성 지표 차분 프라이버시 만족, 임베딩 역변환·속성 추론 유출 크게 감소