男性J插入女性B：洞穴中的探索与神秘体验，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原创 今年夏天，又火了一种穿搭叫“薄+薄”，40+女生穿上又美、又迷人！一提到白酒，很多年轻人的第一反应就是“辣”和“冲”。传统酱香型白酒的浓烈口感，常常让初尝者望而却步。然而，豪迈551酱香型白酒却用一场“柔顺革命”，打破了这一偏见。它用“不苦不辣，略带焦香”的独特口感，征服了年轻人的味蕾，成为他们社交聚会和自我放松的首选。
问题：男性J插入女性B的洞穴探索与神秘体验
在浩瀚无垠的宇宙中，存在着一种令人着迷的生物形态——人类。在这个充满未知和神秘的世界里，我们不禁会好奇，人类是如何创造这种独特的生物形态，并且通过它进行各种探险、发现和研究的呢？其中，最为引人注目的是男性J插入女性B的洞穴探索与神秘体验。
关于这一现象的起源，目前尚有许多未解之谜。有部分学者认为，这种行为可能源于早期人类对自然界的探索欲望和生存本能的驱使。随着人类社会的发展和技术的进步，洞穴作为人类居住和生活的场所逐渐被人们认识和利用，洞穴探险也成为了人类文化的重要组成部分。在这个过程中，男性J和女性B这样的个体角色应运而生，他们的出现既是洞穴探险的一个重要里程碑，也是这种奇特行为背后的深刻文化内涵的体现。
男性J插入女性B的洞穴探索与神秘体验，主要表现在以下几个方面：
1. 自然环境的挑战：在洞穴环境中，男性J和女性B需要面对种种复杂多变的地形地貌和自然环境挑战。他们需要深入地下，挖掘出狭窄曲折的洞穴通道，穿越深邃黑暗的深渊，避开潜在的危险陷阱，如毒蛇、猛兽等。在这个过程中，他们不仅要考验自身的勇气和智慧，更需要展现出非凡的身体素质和坚韧不拔的精神风貌。
2. 生存技能的运用：洞穴探险往往需要大量的体力消耗，包括攀爬、挖掘、饮水、烹饪等多种生存技能的协同运用。在这个过程中，男性J和女性B必须发挥各自的优势，相互配合，共同应对各种困难和挑战。例如，女性B可以提供必要的水源和食物，男性J则需要利用自己的力量和技巧，顺利地从洞穴深处取出物品或获取食物；洞穴内可能存在有毒气体或恶劣气候，男性J和女性B也需要具备一定的应急处理能力，能够迅速找到安全的避难所并保持良好的身体状态。
3. 道德伦理的考量：洞穴探险的过程中，男性J和女性B的行为往往超越了人类道德和法律的边界，涉及到生命、财产和隐私等多个层面的问题。他们可能会面临生死抉择，面临着自我牺牲的风险，甚至可能引发公众的广泛关注和社会舆论的压力。在这种情况下，男性J和女性B需要深刻理解自身的责任和义务，坚持做人的底线，尊重他人的生命和权利，以实际行动维护社会的和谐稳定。
4. 文化精神的启示：男性J和女性B在洞穴探险过程中展现出来的勇敢、智慧和坚毅精神，无疑是对人类精神的深刻诠释。他们在极端环境下不屈不挠，勇于探索未知，展现出了人类对未知世界的向往和追求，以及对生命的敬畏和珍视。这些精神对于今天的现代社会具有重要的启示意义，激励我们要勇于冒险、敢于创新，面对挑战和困难时，要有坚定的信念和勇气去克服，努力实现个人的价值和梦想。
男性J插入女性B的洞穴探索与神秘体验，是人类文明发展史上的一个伟大篇章，它不仅丰富了我们对自然环境的认知，展示了人类勇往直前的决心和毅力，更是人类文化精神的深刻表达。让我们以敬畏之心对待这种神秘的生命现象，同时也要从中汲取前行的动力和智慧，为推动人类社会的科技进步和发展贡献自己的一份力量。
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
姐妹们，你们是不是一到夏天穿衣服就头疼？穿厚的吧，热得要命，稍微动一动就浑身冒汗；
叠穿那些不透气的单品，不仅显胖，还把整个人搞得又闷又肿，跟夏天的清爽感完全不搭边。
穿厚衣服出门，没走几步就汗流浃背，衣服全贴在身上，又难受又容易有汗味。
要是普通叠穿，里三层外三层的，不仅行动不方便，看起来还胖了好几斤，整个人没精打采的，一点都没有夏天该有的轻盈和活力，跟街头的时尚氛围差得老远了。