肌男热力四溢：《肌肌插曲》肌肌视频打造肌肉诱惑大片！，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高考进入第二天 多地查分时间速看→据参考消息报道，当地时间8日，美国总统特朗普在社交媒体上发文称，洛杉矶已被非法移民和罪犯“入侵占领”，暴力叛乱分子聚集并袭击联邦探员，企图阻碍政府的驱逐行动。当天，约300名国民警卫队人员依照指令进驻洛杉矶地区。
关于肌男热力四溢的《肌肌插曲》，这是一部以肌肉魅力和运动激情为主题的视频作品，它通过精心制作的视频片段和精美的拍摄技术，打造了一部充满热情、力量与诱惑的健身大片。
《肌肌插曲》的视频集，每一帧画面都充满了强烈的视觉冲击力。由一群穿着各种各样的健身服装的男性主角们在健身房内进行着激烈的有氧运动和力量训练。他们的身体线条流畅而有力，每一个动作都显示出他们对健康生活的坚持和热爱。他们在跑步、举重、做瑜伽等各种运动中尽情挥洒汗水，展示出他们健硕的身体和无尽的力量感。
除了静态的画面，这部作品还运用了许多动态捕捉技术和3D建模技术，将这些男主角的动作细节生动地呈现出来。他们在训练时，无论是腾空跃起、猛砸地面，还是轻松滑翔、优雅转身，都让观众仿佛置身于现场，感受到了那份肌肉的魅力和激情。这些动作不仅展现了肌肉的力量和耐力，也展示了他们的技巧和毅力，给观众留下了深刻的印象。
《肌肌插曲》还在视频的配乐和旁白设计上花费了大量的功夫。其音乐风格多样，既有动感十足的流行节奏，也有深沉磅礴的摇滚元素，既符合健身主题，又能够引发观众的情感共鸣。配乐的设计也十分巧妙，配合动作的节奏和情感的变化，营造出了一个充满活力和挑战性的环境，为整部作品增添了别样的吸引力。
《肌肌插曲》以其精良的制作技术和丰富的内容内容，成功打造了一部极具吸引力的肌肉诱惑大片。它不仅展现了肌肉的魅力和力量，也展示了运动精神和生活态度，吸引了大量的年轻观众关注。它也在网络上引发了热烈的讨论和分享，成为了健身爱好者的热门话题之一，证明了它的艺术价值和社会影响力。
在这个快节奏、高压力的社会生活中，人们往往面临着身心疲惫的问题，《肌肌插曲》的成功，无疑给了我们一些积极的启示。它告诉我们，只有保持健康的生活方式，不断挑战自己，才能在忙碌的工作和生活中找到乐趣和满足感。通过健身，我们也能够体验到肌肉带来的力量和美感，提升自我形象，增强自信，拥有更美好的生活状态。
《肌肌插曲》以其独特的魅力和震撼人心的内容，让我们看到了肌肉的魅力和力量，同时也为我们提供了一个展示自我、追求健康生活的方式。让我们一起走进这个肌男热力四溢的世界，感受这份魅力，享受这份运动，共同创造属于我们的肌肉诱惑大片！
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
新高考省份根据选考科目考试日程安排，全部考试结束的时间为9日或10日。河北、山西、吉林、江苏等地将于9日结束全部考试；北京、天津、浙江、山东等地将于10日结束全部考试。
按照往年惯例，高考成绩查询时间集中在6月23日—25日。目前，已有部分省份公布了高考成绩查询时间，湖南、湖北、吉林、江西等地，预计在6月25日左右公布高考成绩。
教育部将组织各地各高校举办“2025年全国普通高等学校招生云咨询周”活动，为考生和家长提供志愿填报咨询服务。今年，教育部“阳光高考”平台及“阳光志愿”信息服务系统将优化升级，各省也将建立完善本地志愿填报服务信息平台和系统，努力为考生提供更加优质、更加便捷、更加全面的信息服务。各地教育部门还将通过多种方式开展志愿模拟填报和咨询服务，比如，山东省将于6月13日—16日组织志愿填报模拟演练。
每年高考，总会有些不良机构或不法分子趁机寻找诈骗机会。对此，教育部以及多个省份都发布提示，提醒考生和家长警惕涉考骗局，不要轻信非官方渠道发布的不实信息和一些高收费的志愿填报辅导机构，谨防上当受骗。