王者姬小满：从华丽服装到简约无物？揭秘游戏人物换装变革的背后故事，美国白宫宣布提高进口钢铝关税至50%_发现频道_中国青年网看似无害的提问，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中山夏季咖啡嘉年华：2025年5月24-28日
关于王者荣耀中的“王者姬小满”，她不仅是一位美丽而神秘的角色，更是一位从华丽服装到简约无物的转换者。在这款深受全球玩家喜爱的手机游戏中，小满这位角色的换装变革并非偶然，而是游戏设计者的精心构思和创新理念的体现。
小满的华丽服饰是其独特的标志性特征之一。在游戏中，她的衣着装备种类繁多，既有传统的红色战袍、紫色长裙，也有华丽的黄金铠甲、冰蓝色龙鳞斗篷等。每一套服饰都充满了浓厚的中国古代宫廷元素，无论是头戴凤冠、身穿华服的古代女子，还是身披铠甲、手持长剑的战士英雄，都给人留下了深刻的印象。这些华丽的装扮不仅增添了角色的视觉冲击力，也进一步强化了她在游戏世界中的身份地位和独特魅力。
随着游戏的发展，玩家们对游戏世界的理解和审美也在不断变化。小满的华丽服饰已经不能满足现代玩家的需求，如何将古典与现代完美融合，成为设计师们面临的重大挑战。在此背景下，一款名为“简约无物”的全新换装模式应运而生，打破了传统服饰的固有形象，为游戏角色注入了一种全新的风格和气质。
简约无物的设计理念主要体现在以下几个方面：
1. 简约线条：抛弃华丽的装饰，以简洁的线条勾勒角色的形象，让角色看起来更为干练、精神焕发。这种设计理念体现了当今年轻人对于精致但不奢华的生活追求，使小满在保持古韵的也能展现出现代女性应有的简约风范。
2. 自然色调：色彩上，使用清新自然的配色方案，如白色、浅绿色、淡粉色等，既符合小满作为公主的身份定位，又符合现代人崇尚环保、亲近大自然的理念。这样的设计既能体现角色的高贵与优雅，又能赋予角色一种宁静而和谐的气息，使其在众多游戏中脱颖而出。
3. 原创设计：摒弃过多的细节装饰和华丽元素，通过原创设计打造出独具特色的角色形象。例如，利用金属元素打造的饰品，或通过线条流畅的连衣裙，使得小满在穿着简约无物时，依然能够展现出华丽的一面。这样的设计理念使得角色更具立体感和层次感，同时也凸显出了设计师们的创新思维和深厚功底。
4. 高质量材料：为了让玩家在享受简约无物带来的视觉美感的也能获得高质量的手工制作体验，设计师们选择优质的面料，并运用精细的工艺技术制作出具有质感和触感的服饰。比如，利用高质量的丝绸制成的小满斗篷，手感丝滑细腻，穿在身上犹如一件艺术品，为角色增添了一股庄重而又神秘的魅力。
“王者姬小满”从华丽服饰到简约无物的换装变革，充分展现了游戏设计者对市场需求的敏锐洞察和对技术创新的不懈追求。这种简约无物的设计理念，既保留了经典的角色特色，又赋予了角色更多元化的个性和活力，成功地将游戏中的角色形象进行了深度的内涵重塑和艺术升华。这不仅丰富了游戏内容，也为广大玩家提供了更多的审美选择，无疑将成为王者峡谷中一道亮丽的风景线。
当地时间6月3日，美国白宫发表声明称，美国总统特朗普宣布将进口钢铁和铝及其衍生制品的关税从25%提高至50%，该关税政策自美国东部时间2025年6月4日凌晨00时01分起生效。
声明表示，美国从英国进口的钢铝关税仍将维持在25%。自2025年7月9日起，美方可根据《环境政策声明》的条款调整适用的关税税率，并制定钢铝的进口配额。如果英国被认定为未遵守《环境政策声明》的相关规定，则可将适用关税税率提高至50%。
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