LLMO・GEO の研究論文と民間調査/攻撃・差し込み

研究論文

最適化が操作になるとき:悪意あるGEOから生成検索を守る

原題:When Optimization Becomes Manipulation: Defending Generative Search against Malicious Generative Engine Optimization

著者は Haozhang Li, Yangguang Shao, Xinjie Lin, Zhong Guan, Mi Zhou, Junzheng Shi。に arXiv へ投稿されました。日本語の題名は、ガーオンによる仮の訳です。

論文の原文を arXiv で読む(arXiv:2609.02964)

論文が報告した結果

事実は原文と合ったまま、引用されやすい形に文書を書き換えるGEO攻撃への防御手法 GEO Defender を提案している。

5モデル・7種の攻撃で、平均の攻撃成功率は50.32%から6.20%へ下がり、無害な根拠の利用は94.12%残った、と報告している。事実検証やパープレキシティのフィルタだけでは捉えにくい、とされる。

ChatGPT を調べた論文Claude を調べた論文DeepSeek を調べた論文Kimi を調べた論文公開モデル を調べた論文

調査の条件

論文が調べたこと
悪意あるGEO書き換えへの防御(GEO Defender)の攻撃成功率と、無害な根拠の利用の残存
調べた対象の AI
ChatGPT、Claude、DeepSeek、Kimi、公開モデル
調べたモデル
GPT-5.5/Claude Opus 4.8/DeepSeek-V4-Pro/Kimi K2.7 Code/GLM-5.2
回答データの取り方
GEO-DefenseBench上の実験(本文)。APIかブラウザかの明示は原文に記載なし
調査の規模
対象モデル5、GEO攻撃7種。クリーン集合と、候補10件のうち1件を書き換えた攻撃注入集合(本文)
数字が載っている場所
要旨(ASR 50.32%→6.20%、無害な根拠の利用94.12%、5モデル・7攻撃)。モデル名は本文 Table 1

結果を読むときの注意

対象は GPT-5.5、Claude Opus 4.8、DeepSeek-V4-Pro、Kimi K2.7 Code、GLM-5.2。本番の検索製品そのものを調べたものではない。APIかブラウザかの明示は原文にない。

上の要約は、株式会社ガーオンが生成AIを使って作成しました。最終更新は2026年11月19日です。正確な内容は、論文の原文で確認してください。

「攻撃・差し込み」を調べたほかの論文