日韩成人短视频：引领潮流的在线视频平台探索，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学习知行·中国式现代化丨跨越山海的开放大道有参赛选手不明白为何一些选手的积分不是整数，原因是他们在某期比赛中操作的股票少于3只。
《日韩成人短视频：引领潮流的在线视频平台探索》
随着互联网技术的发展和全球化的推进，短视频以其独特的魅力正逐渐成为在线娱乐的重要组成部分。其中，日韩两国作为全球最具影响力的短视频平台之一，以创新的内容创作、多元的用户群体以及领先的技术实力，正在引领着全球成人短视频市场的潮流。
日本的“AVG”(Adult Video)或“成人番剧”深受全球观众喜爱。这些节目通常包含一系列由专业人士进行制作的成人内容，如色情片、短篇小说集等，其内容丰富多样，涵盖爱情、冒险、教育等多个主题。日韩还通过VR/AR技术和实时聊天等功能，为观众提供身临其境的观看体验，使观看过程更具沉浸感。
韩国的“SNS”(Social Networking Service)或“社交媒体”网络以其庞大的用户基础和开放的社交环境，成为了成人短视频的主要传播渠道。在韩国，人们可以在各种SNS平台上分享自己的生活点滴，如恋爱故事、工作日常、旅游经历等，从而吸引其他网友的关注与点赞。一些SNS平台还专门设有“成人区”板块，专供成年人浏览和讨论相关话题，使得更多的年轻人有机会接触到和了解成人题材的内容。
日韩两国的在线视频平台在技术上也具有突出的优势。例如，他们在大数据分析、人工智能、虚拟现实等方面进行了深入研究，不断创新和优化算法，实现更精准的推荐和个性化服务，满足了不同用户的需求。他们还使用5G、AI-powered AR/VR等先进技术，提供高速稳定的视频流传输、高清画质、实时互动等功能，为用户提供更加流畅和沉浸式观看体验。
日韩两国的成人短视频平台凭借其独特的产品设计、多元的内容创作和领先的技术优势，已经成为全球成人短视频市场的重要推动者。他们的影响力不仅体现在全球范围内，还在推动着整个行业的发展，为观众提供了丰富的娱乐选择，同时也对年轻一代的思想观念和行为方式产生了深远影响。面对日趋激烈的竞争和监管压力，日韩等国应继续秉持社会责任，坚守内容质量底线，为促进社会健康发展做出积极贡献。
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
2017年9月，西部陆海新通道的前身——渝黔桂新“南向通道”班列在重庆首发。重庆小伙吕嗣湘成为最早一批开行这一班列的司机。他的师傅江彤是中欧班列首发司机，师徒两代一个向西，一个向南，驾驶着“开放列车”，奔驰在重庆内陆开放的大通道上。
重庆，肩负着“向西开放”的重任。2019年8月，国家发展改革委印发《西部陆海新通道总体规划》，标志着通道建设从地方探索上升为国家战略，并赋予重庆通道物流和运营组织中心的重要职责。
扩大开放，是习近平总书记对西部地区发展的深远考量。2024年4月，习近平总书记在重庆考察时强调，建设西部陆海新通道，对于推动形成“陆海内外联动、东西双向互济”的对外开放格局具有重要意义。