续写清宫传奇：第五部揭秘皇后威严复辟背后的秘辛：历史的见证与现代启示，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东莞莞城城管多措并举，全力护航东莞中学高考考点根据列表， 这48家目标公司分别涉及北京、广州、成都、杭州、南京、武汉等多个一二线城市的万达广场项目。48家目标公司中，南昌红谷滩万达广场投资有限公司包含在内。根据国家市场监管总局5月21日发布的最新信息，该笔交易已被无条件批准。对于这一交易的具体金额等情况，公告信息中并未透露。
《第五部揭秘皇后威严复辟背后的秘辛：历史的见证与现代启示》
清代末期，中国的历史舞台上发生了一场翻天覆地的变化，其中最为瞩目的无疑是清朝皇后的命运。作为这一时期一位赫赫有名的女性角色，皇后朱立贞在众多历史事件中展现出了无比的威严和深邃的政治智慧，她的故事不仅是中国封建社会权力斗争的缩影，更是对历史、现实以及未来的重要启示。
朱立贞，生于1724年，在乾隆年间成为顺治皇帝的第八位皇后，她的人生充满了传奇色彩。初登皇后宝座时，她是慈禧太后一手提拔的年轻妃子，深受宠爱，但在她掌权后，却逐渐展现出不同于寻常女子的魄力和手腕。在此期间，她面临了两场重大的政治危机，分别是清王朝的复辟和晚清政变。
让我们来看看朱立贞的复辟之战。自咸丰帝驾崩后，慈禧太后掌握大权，为了稳固自己的统治地位，她决定恢复清朝原来的满洲八旗制度，而朱立贞则是这场复辟战争中的关键人物。她深知，要想成功复辟，就必须重塑满洲八旗的威严形象，这既是巩固皇权的手段，也是对抗英法联军入侵的策略。于是，朱立贞以她敏锐的政治洞察力和坚定的政治决心，引领八旗军队进行了一系列的军事训练和战略部署。她亲自参与指挥，亲自督战，使得清军在战场上表现出色，最终在第二次鸦片战争爆发后，成功阻止了英法联军的进犯，并在英法联军撤退时乘胜追击，彻底结束了英国对中国领土的侵略，为清朝的复辟赢得了宝贵的时间。
尽管朱立贞在复辟战争中发挥了重要作用，但她在后半生的命运并不尽如人意。在清末政变中，由于种种原因，朱立贞被推上了断头台，成为了清朝最后一位皇后。这个结局无疑是对她在复辟战争中的付出和牺牲的沉重打击，同时也反映了她对权力的追求和对皇家尊严的坚守。在那个时代的背景下，即使拥有再高的政治地位和显赫的身份，一个人的生命也无法逃脱政治斗争的残酷和无情。
从朱立贞的故事中，我们可以看到一个清晰的历史脉络，那就是权力的争夺、家族利益的争夺和国家利益的争夺。这些主题在任何一个时代都是无法避免的，它们构成了中国历史上最为丰富多彩的戏剧性时刻。而朱立贞作为清朝后期的一位皇后，她的经历也为我们提供了许多宝贵的教训。她深刻理解到，权力并不是绝对的，它需要通过合理的管理、有效的运作和公正的审判才能得到有效维护；她明白家族的利益并非最重要的，国家的利益才是最根本的；她意识到，无论身处何方，人的生命都是平等的，任何人在追求权利的过程中都必须遵守法律，尊重他人的生命和自由。
朱立贞的故事以其独特的视角和深刻的内涵，为我们揭示了一个关于权力、家族、国家和个人命运交织的时代画卷，它既是中国封建社会晚期政治斗争的一个真实写照，也是我们理解和反思现代社会的一种重要启示。在这个过程中，我们不仅可以更好地了解历史的进程和人物的内心世界，更能够从中汲取丰富的精神营养，从而提升我们的个人素养和道德品质，为实现中华民族的伟大复兴提供强大的精神动力。
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
为保障2025年高考顺利进行，给考生营造舒适、有序、安静、安全的考试环境，东莞莞城城管分局提前部署，全面加强东莞中学考点周边环境保障与安全隐患排查整治工作。
净化环境，严控噪声。提前宣传告知，协调周边学校暂停广播，劝导广场舞等文娱活动在考试期间停止，暂停人民公园游乐设施运营。加大市容整治力度，5月中旬以来整治校园周边占道经营26宗、乱停共享单车320辆、流动摊贩5宗。提升保洁频次，清理果皮箱58次、牛皮癣1处、生活垃圾约0.5吨。