情感故事解析：揉胸情节如何推动剧情发展，看似无害的提问，也能偷走RAG系统的记忆——IKEA：隐蔽高效的数据提取攻击新范式原创 南亚局势彻底倒向巴基斯坦，入手五代机将继续压制印度！1.活动矫治器、功能矫治器：对于一些牙齿排列问题、不良习惯及上下颌骨发育异常，可以使用活动矫治器、功能矫治器，引导牙齿和颌骨向正常位置发育。
情感故事通常以独特的故事情节和深情的叙述为特征。情感故事中的主角们在经历各种情感起伏、冲突与磨合的过程中，通过揉胸情节这一重要元素，巧妙地推动了剧情的发展。
揉胸情节源自中国古代戏曲和诗词中，它常常作为情感表达的重要工具，用于刻画人物内心的矛盾、挣扎与情感释放。这个情节的发生和发展通常会揭示出人物内心深处的情感波动和精神状态，如欢喜、悲伤、愤怒、困惑、无奈……这些情感在揉胸过程中被放大、集中且深入挖掘，从而展示出人物性格的多面性和复杂性。
例如，一个男主角可能会因为女主角对他深情厚爱而产生强烈的幸福感，但他又因自己的懦弱、自私或虚伪而感到痛苦和压抑。在这个揉胸情节的描绘下，男主角揉搓胸口，试图解开他的情绪枷锁，同时也表现出了他对爱的理解和自我反省。他可能对女主角的深情表白给予回应，或者尝试用自己的方式向她表明自己内心的真实感受。这种揉胸情节不仅展示了人物的情绪变化，也暗示着他正在逐渐战胜自我，接受并接纳对方的感情。
揉胸情节并非总是能够平息所有的情感矛盾，它往往会导致角色的反差进一步扩大。当女主角发现了男主角的真相后，她的愤怒、失望甚至复仇心理可能会引发激烈的冲突和情感波动。这时候，揉胸情节的作用可能是推动情节发展的转折点，通过主人公的痛苦和挣扎，揭示爱情与现实的矛盾，使故事更加丰富多彩。
揉胸情节在情感故事中的运用，不仅丰富了故事情节的表现手法，也深刻展现了人性的复杂性和矛盾性。通过对人物情感的细致描绘和处理，揉胸情节在推动剧情发展的也使得情感故事的深度和广度得到了提升，使其具有更强的艺术感染力和审美价值。
本文作者分别来自新加坡国立大学、北京大学与清华大学。第一作者王宇豪与共同第一作者屈文杰来自新加坡国立大学，研究方向聚焦于大语言模型中的安全与隐私风险。共同通讯作者为北京大学翟胜方博士，指导教师为新加坡国立大学张嘉恒助理教授。
本研究聚焦于当前广泛应用的 RAG (Retrieval-Augmented Generation) 系统，提出了一种全新的黑盒攻击方法：隐式知识提取攻击 (IKEA)。不同于以往依赖提示注入 (Prompt Injection) 或越狱操作 (Jailbreak) 的 RAG 提取攻击手段，IKEA 不依赖任何异常指令，完全通过自然、常规的查询，即可高效引导系统暴露其知识库中的私有信息。
在基于多个真实数据集与真实防御场景下的评估中，IKEA 展现出超过 91% 的提取效率与 96% 的攻击成功率，远超现有攻击基线；此外，本文通过多项实验证实了隐式提取的 RAG 数据的有效性。本研究揭示了 RAG 系统在表面「无异常」交互下潜在的严重隐私风险。
本研究的论文与代码已开源。
总述
大语言模型 (LLMs) 近年来在各类任务中展现出强大能力，但它们也面临一个核心问题：无法直接访问最新或领域特定的信息。为此，RAG (Retrieval-Augmented Generation) 系统应运而生——它为大模型接入外部知识库，让生成内容更准确、更实时。
然而，这些知识库中往往包含私有或敏感信息。一旦被恶意利用，可能导致严重的数据泄露。以往的攻击方式多依赖明显的「恶意输入」，比如提示注入或越狱攻击。这类攻击虽然有效，但也有着输入异常、输出重复等典型特征，容易被防御系统识别和拦截。
图1: 使用恶意查询进行逐字信息提取与使用良性查询进行知识提取 (IKEA) 之间的对比
为突破防御机制对现有提取攻击的限制，本文提出了一种全新的隐式知识抽取框架：IKEA (Implicit Knowledge Extraction Attack)。该方法不依赖任何越权指令或特异化提示语，而是通过自然、常规的查询输入，逐步引导 RAG 系统暴露其内部知识库中的私有或敏感信息。IKEA 的攻击流程具备高度自然性与隐蔽性。
其核心步骤包括：首先，基于已知的系统主题构建一组语义相关的锚点概念 (Anchor concepts)；随后，围绕这些概念生成符合自然语言习惯的问题，用于触发系统检索相关文档；最终，通过两项关键机制对攻击路径进行优化与扩展：
上述机制协同工作，使得攻击过程在保持输入自然性的同时，能够在多轮交互中高效提取 RAG 系统所依赖的外部知识内容。实验证明，IKEA 可在常规输入检测与输出过滤等防御机制下维持高成功率与提取效率，展现出强大的鲁棒性与现实威胁潜力。
方法概览：如何实现「看似正常」的提问？
具体而言，IKEA 首先从与系统主题相关的概念词中筛选出可能有效的锚点概念，并结合历史响应信息过滤无关或无效的概念。
锚点概念数据库的初始化如下：
随后，系统围绕这些锚点概念自动生成语义自然、表达通顺的问题，引导 RAG 返回内容丰富的答案，从而在多轮交互中不断扩大对隐私知识的覆盖。这种策略使攻击过程更加隐蔽，难以被传统检测手段发现。下文给出了「良性」问题的具体生成方式：
该方法设计了两项关键机制以确保知识提取效率：
经验反思采样 (Experience Reflection Sampling)
每个候选锚点概念的采样概率由如下惩罚得分函数定义：
最终的采样概率为：
可信域有向变异 (Trust Region Directed Mutation)
图 2: (左) IKEA 整体流程图；(右) TRDM 示意图
其中：
实验结果：IKEA 的提取效率远超基线方法
研究团队在三个不同领域数据集 (医疗-HealthCareMagic100k、小说-HarryPotter、百科-Pokémon) 上测试了 IKEA 攻击效果。以下是 IKEA 与其他攻击方法在「无防御」、「输入检测」、「输出过滤」三种防御策略下的比较：
表 1: 在三种数据集上不同防御策略下的攻击效果对比分析
提取知识是否「有用」？
研究团队围绕知识有效性开展了两类实验：其一，评估提取出的知识在对应文档相关的问答任务中的表现；其二，评估在有限轮次攻击下所提取知识对完整知识库的覆盖与支撑能力。实验结果表明，IKEA 不仅能够高效提取 RAG 系统中的信息，而且所提取的知识在问答任务中展现出良好的实用性，其性能接近于使用原始知识库时的表现。
图 3: 在三种不同知识库设定下的选择题 (MCQ) 与问答 (QA) 任务结果对比
表 2: 在不同防御与不同基线下提取的知识作为参考的选择题与问答任务结果对比
表 3: 基于不同攻击方法提取数据构建的 RAG 系统在完整知识库上的评估结果
总结
巴基斯坦官方发表声明称，中国同意向巴基斯坦出售40架J35战机，另外还包括空警500预警机以及红旗19防御系统，这可是大事，看来确定要开始武装巴基斯坦了，彻底把印度摁在地上，打消印度任何军事冒险的想法。
明眼人都能看出来，实际上J35、空警500和红旗19已经远超出了巴基斯坦对自身安全的需求，J10C加霹雳15够巴基斯坦在南亚横行很多年了，但如今却继续加大对巴基斯坦的扶持，说明局势有变需要小巴承担更多责任。
南亚对中国来说问题并不大，更大的问题在中东，因此巴基斯坦光压制印度还不够，还需要保护海合会，毕竟现在武装埃及来不及了，不如直接把巴基斯坦武装起来，也许还能应对一下未来意想不到的局势。
要知道印度就在巴基斯坦隔壁，就算真拿弹道导弹打他也用不着部署红旗19，这个是中段反导系统能够拦截洲际导弹，因此防的肯定不是印度，那就只有可能是外部对手，来自中东以及印度洋上发起的攻击。
中国还是太仁慈了，印巴空战中留了一手，只是震慑了印度一下，并没有动到印度的根本，很显然印度不可能就此收手，现在的战略机遇对印度来说非常难得，一场国战很难避免，也正好是印度坚决倒向美国的机会。