GoldenRetriever는 프라이버시를 보존하는 검색증강생성(RAG)을 위한 비대화형 동형암호 검색 프레임워크다. 기존 방식들이 암호화 상태에서 비용이 큰 top-k 순위 계산에 의존해 높은 지연과 정보 누출 위험을 안고 있던 것과 달리, 유사도 점수가 사전 정의된 임계값을 넘는 문서만 선택하는 방식으로 계산 복잡도를 코퍼스 크기에 대해 이차에서 선형으로 낮췄다. CKKS 동형암호를 이용해 질의 내용, 중간 점수, 선택된 인덱스를 노출하지 않고 완전 암호화된 유사도 평가와 문서 선택을 수행하며, 근사 암호 연산과 이산 토큰 복원 사이의 간극을 정밀도 안정 마스크 분극화 기법으로 해결했다. 표준 검색 벤치마크에서 순위 기반 암호화 방식 대비 지연시간을 크게 줄이면서도 경쟁력 있는 검색 성능을 유지해, 확장 가능하고 안전한 RAG 시스템 구축의 실용적 토대를 제시한다.

• •임계값 기반 문서 선택으로 top-k 순위 계산을 대체, 계산 복잡도를 이차에서 선형으로 감소
• •CKKS 동형암호로 질의·중간점수·선택 인덱스를 노출하지 않는 완전 비대화형 암호화 검색 구현
• •정밀도 안정 마스크 분극화 기법으로 근사 암호연산과 이산 토큰 복원 간 정확도 문제 해결
• •순위 기반 암호화 검색 방식 대비 지연시간 대폭 감소를 실험으로 입증
• •프라이버시 보존 RAG 파이프라인의 실용적 확장 가능성을 제시