深情优雅玉——动人的情感与高雅的艺术境界，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安卓版iPhone 17 Air已在路上：国内大厂集体跟进 发现不少问题，OPEC+加速增产的决定意在对那些超配额生产的成员国施压，同时也为这些国家提供更大的机会进行补偿性减产，来弥补过去的“作弊”行为。
文章标题：深情优雅玉：艺术与情感的交融
《深情优雅玉》是作者以玉为载体，描绘了一幅具有深厚内涵和独特艺术魅力的情感画卷。玉，作为大自然中最珍贵、最细腻的艺术品，以其温润如水的质地、独特的纹理和深邃的文化意蕴，深受人们的喜爱和尊重。
在这个世界的背景下，玉象征着高尚的情操、典雅的气质和真挚的感情。玉的美不仅仅是外在的形状和色泽，更在于内在的精神内涵和情感表达。作者通过细腻入微的笔触，将深情与优雅巧妙地融合在一起，赋予了每一颗玉都深深的情感烙印和高雅的艺术境界。
作者以生动细腻的手法描绘了玉的形态特点，无论是素雅的白玉，还是璀璨的翡翠，都透出一种宁静而坚韧的力量。这种力量源自于玉自身的纯洁，以及人们对其美好品质和高洁情操的理解和追求。无论是古人对玉的尊崇礼赞，还是现代人对玉的审美认同，都在无形中塑造了玉的精神风貌和情感深度。
作者通过丰富的比喻和象征手法，深入挖掘了玉的情感内涵。例如，白玉代表的是纯真无邪的情感，它可以让我们感受到生活的纯净和美好；翡翠则寓意着高贵而深沉的情感，它能够激发我们对自我价值的肯定和追求，使我们在面对生活中的挑战时保持坚韧不拔的决心和勇气。
作者通过玉的质感描绘和人物形象刻画，传达出了深情与优雅的主题思想。玉的坚硬如铁，但又柔韧如水，它既坚韧不拔，又温婉细腻，这正是我们内心深处渴望的一种情感状态，也是我们追求的高雅艺术境界。在这篇文章中，我们可以看到作者以玉为载体，用深情去诠释人性的复杂和多面，用优雅去表现生活的韵味和哲理，从而展现出一种深沉而美好的情感世界。
《深情优雅玉》通过对玉的形态、情感和艺术表现，成功地将深情与优雅巧妙地融合在一起，为我们呈现了一幅充满诗意和深思的人生画面。它不仅展现了玉的美丽，也揭示了人性的丰富和心灵的多元，让我们在品味玉的也能更加深刻地理解并感受生活的真谛和人生的价值。
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
快科技6月4日消息，博主数码闲聊站表示，苹果今年将推出iPhone 17 Air，定位是极轻薄旗舰，TOP5手机厂商纷纷响应，相继创建文件夹。
但国内厂商在评估超薄旗舰过程中发现不少问题，因机身过于轻薄，电池、影像、性能等核心体验都会大打折扣，国内消费者能不能接受这样的产品要打个问号。
因此，有厂商暂时搁置这一项目，有厂商考虑把超薄旗舰划给次旗舰系列，也有厂商选择硬着头皮上。
据爆料，iPhone 17 Air厚度只有5.5mm，是苹果史上最薄机型，重量只有146g，仅仅比iPhone 6s重了3g，是17系列最轻薄的一款。
因iPhone 17 Air过于轻薄，苹果无法塞进大电池，爆料称17 Air电池容量比iPhone 16减少约20%，很可能不到3000mAh，为了弥补续航方面的短板，苹果可能会推出支持MagSafe充电的外接电池，方便手机及时回血。
目前国产手机电池普遍都在5000mAh以上，如果推出类似的超薄机型，其电池续航可能会受影响，你是否接受这样的超薄旗舰？