人人添人人爽：共享生活的点滴乐趣，让生活更和谐美好！，曝莫德里奇24小时内加盟AC米兰 圆儿时梦+为世界杯蓄力看似无害的提问，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21世纪经济报道记者近期走访消费电子、家居用品、毛绒玩具等多个消费品细分行业了解到，主要市场在美国、供应链较为单一在中国的企业明显感受到对美订单的下滑和重启；市场多元化布局、已布局海外产能的企业则表示，美国关税变化对企业影响不大。
在快节奏的现代生活中，我们面临着各种挑战和压力。分享生活的点滴乐趣，让我们的生活更加和谐美好，却始终是我们内心深处追求的目标。共享生活的点滴乐趣，就是一种将个人的生活经验和想法与他人共享，从而实现共同进步、增进友谊和提升生活质量的方式。
分享生活的点滴乐趣可以让我们更深入地了解自己和周围的人。每个人都是独一无二的个体，拥有自己的兴趣爱好、价值观和生活方式。当我们在生活中遇到困扰或挫折时，通过与他人的交流，我们可以从他们的角度看待问题，理解他们的感受和观点，从中吸取教训，增强自我认知。当我们看到他人在分享快乐时，也可以感受到生活的美好和幸福，进而激发对生活的热情和乐观态度。
共享生活的点滴乐趣有助于构建和谐的家庭和社会环境。家庭是社会的基本单位，每个家庭成员都应该是这个大家庭中的一部分，共享着彼此的生活经验、情感支持和成长历程。通过家庭成员间的互动和分享，我们可以增进亲情、友情和爱情，形成和睦、互助、尊重的社会氛围。在社区层面，共享生活的点滴乐趣也能够促进邻里之间的相互理解和帮助，使得社区成为一个充满爱心和活力的地方。
共享生活的点滴乐趣还能够提高我们的创新能力和解决问题的能力。每个人都有自己的独特见解和创意，这些观点和设想如果被他人认可并加以实践，就能转化为新的产品和服务，推动社会的进步和发展。例如，一个热爱旅行的朋友可能会通过分享他的旅行经历和见闻，启发其他朋友探索未知的领域，甚至创造出新的旅游目的地和旅行方式；一个擅长烹饪的朋友可能会通过分享美食制作方法和食材搭配，为其他人提供健康营养的食谱，甚至引领他们走向全新的烹饪文化。
人人添人人爽——共享生活的点滴乐趣，是一种积极、包容、开放的态度，它让我们在面对困难和挑战时，不仅能保持理智和冷静，还能从中获得智慧和力量，进而实现个人的成长和社会的进步。让我们勇敢地去接纳、去分享，让每一刻的欢笑、每一份的感动、每一段的经历，都在我们的生活中熠熠生辉，让我们的生活更加和谐美好。
北京时间6月4日，据名记迪马济奥报道，金球奖传奇球星莫德里奇与意甲AC米兰俱乐部之间的谈判已经接近尾声，双方有望在24小时内完成正式签约。
2012年8月，莫德里奇以3500万欧的价格从热刺加盟皇马，此后共计为皇马出战591场比赛，贡献43个进球+95个助攻，并成功拿到了2018年的金球奖，是首个打破梅西C罗对这一奖项垄断的球星。以及还获得了1次FIFA最佳球员和1次UEFA最佳球员奖项。
团队荣誉方面，他随皇马夺得6个欧冠冠军，5个欧洲超级杯冠军，5个世俱杯冠军，4个西甲冠军，2个国王杯冠军，5个西班牙超级杯冠军和1个洲际杯冠军。效力皇马13年，魔笛共计斩获了28个冠军奖杯，是皇马队史夺冠次数最多的球员。
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