探索当代人体艺术：线上视频的独特魅力与创新表达，原创 知名女童星惨遭抛弃，曾与张铁林同居多年，如今嫁给香港明星看似无害的提问，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建议：每周摄入鱼、虾、贝类等水产品1～2次，成年人约为300～500克。鼓励儿童、孕妇、乳母、老年人群适当增加水产品摄入。
中国当代人体艺术——线上视频的独特魅力与创新表达
在当今这个数字化、网络化的时代，人们的生活方式和审美观念发生了深刻的变化。其中，视觉艺术，尤其是人体艺术，以其独特的魅力和创新的表现手法，为现代人提供了新的审美视角和艺术体验。在线上视频这一新兴的艺术形式，无疑在当代人体艺术的探索中，展现出其特有的魅力与创新表达。
线上视频作为一种直观、生动、富有互动性的艺术表现手段，突破了传统意义上的画布、雕塑等静态艺术形式的限制，为当代人体艺术创作提供了全新的可能。通过高清摄像、虚拟现实技术和人工智能技术的应用，创作者能够创造出更具沉浸感、更具个性化的视觉艺术作品。例如，“数字模特”的诞生，便是以3D打印技术为基础，通过计算机模拟、算法处理等方式生成的虚拟模特，其动态、立体的形态和丰富的表情，使观众仿佛置身于画面之中，感受到艺术家对人体艺术的精准描绘和细腻情感的细致入微。
线上视频借助互联网和移动设备的技术优势，实现了跨地域、跨文化、跨时空的传播和共享，极大地拓宽了当代人体艺术的国际影响力。一方面，世界各地的人们可以通过观看线上视频，快速便捷地了解和欣赏到中国当代人体艺术的最新成就和前沿理念。另一方面，中国的当代人体艺术作品也逐渐走出国门，走向全球，为中国文化和艺术在全球范围内赢得了广泛的尊重和认同。例如，通过在中国美术馆、美国纽约大都会博物馆等地举办的展览，中国当代人体艺术不仅让世界看到了中国艺术家的创新精神和精湛技艺，也让越来越多的国外观众对中国传统文化和当代艺术有了深入的理解和欣赏。
线上视频并非完美无缺的解决方案，它也面临着一些挑战和问题。随着视觉艺术领域的发展日新月异，如何在保证原创性和独特性的保持与科技和社会的紧密联系，是在线上视频发展中亟待解决的问题。由于受众群体的多元性和流动性，如何吸引和留住不同年龄、性别、职业背景的观众，以及如何通过合适的语言和方式，让具有不同文化背景和接受能力的观众理解和接受线上视频中的艺术作品，也是需要不断探索和完善的领域。尽管线上视频提供了广阔的展示平台，但也存在版权保护、隐私权等问题，如何通过有效的法律和技术手段，保障艺术家的权益，同时防止滥用和侵犯他人的知识产权，是需要引起广泛关注和探讨的问题。
线上视频作为当代人体艺术的重要载体，以其独特魅力和创新表达，推动着该领域的不断发展和进步。无论是对于艺术家而言，还是对于观众多角度、多层次的视觉体验，线上视频都提供了丰富多元的可能和无限的可能性。面对未来的挑战和机遇，我们需要继续深化对线上视频的认识和理解，把握好创新和传统的平衡，不断提升和完善线上视频的艺术表现力和传播效果，使之真正成为推动人类社会文明发展，增进各国文化交流互鉴，提升公众艺术素养的重要力量。
法提麦·雅琦，1982年10月6日出生于北京，是一位回族女孩。尽管她的家庭并不富裕，但父母始终支持她追求艺术梦想。她的父亲热爱京剧和民歌，经常带她一起唱歌，五六岁时，她便能唱得相当有模有样，嗓音清亮，天赋突出。5岁那年，她考入中国儿童艺术剧院，开始了正式的表演学习。那时，她与其他小朋友一起练习台词和肢体动作，老师虽然严格，但她始终认真对待，进步飞快。
1993年，11岁的法提麦接到了她的首部电影《小岛情深》，在片中饰演了海柳一角。凭借自然灵动的表演，她第一次引起了观众的注意。这部电影让她的名字逐渐传开。次年，她参演了另一部情感丰富的作品《天地人心》，并获得了更多的关注。这两部作品使她在童星圈中小有名气，观众赞她外貌清秀、灵气十足，甚至有人称她为“回族第一美女”。不过，法提麦始终保持低调，专心于拍戏和学业。
到了1996年，14岁的法提麦迎来了职业生涯的小高峰。她出演了央视大制作《东周列国之战国篇》中的女主角斯妤，角色复杂多变，从忠诚到背叛的转变都被她演绎得淋漓尽致。剧集播出后，她的知名度急剧上升，街头也时常有人认出她，逐渐成为观众心中的小明星。
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