揭秘欲色91：探索掌控欲望的神秘力量——深层内涵与实战应用，联想拯救者G9游戏手柄发布：专为Y700平板打造的掌机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香港廉政公署表示，廉署早前接获贪污投诉后展开调查，发现有钢筋工程分判商为赚取更多利润，在施工过程中偏离获屋宇署批准的工程图则（即“获批图则”）设计以节省成本，并通过行贿负责监管工程的总承建商员工及顾问公司驻地盘监督工程人员，换取对方宽松监管钢筋工程并容许工程在不符合获批图则要求的情况下继续进行。
关于欲望的探索，一直以来都备受人们关注。欲望不仅仅是人类本能的需求和冲动，它也是我们行为和决策的重要驱动力。在人性心理学中，欲望可以被看作是一种深藏在我们内心深处的力量，它激发着我们的行动，引导我们在各种情境下做出选择，并最终决定我们的生活方式和命运。
欲望91，这个极具争议的品牌，以其独特的设计和深入的研究，揭示了欲望背后隐藏的深层次内涵和实战应用。欲望91的产品线涵盖了从个人生活到商业决策的各种场景，如服装、家居、时尚配饰、健康产品等，旨在帮助消费者在满足基本需求的实现内心的平衡和自我提升。
欲望91的核心理念是“掌控欲望”。这并不是说我们要压抑或抑制我们的欲望，而是要理解和运用这些欲望，使其成为我们的积极力量，推动我们走向成功和幸福。通过研究和实践，他们发现，欲望并不是消极的，而是一种内在的动力，能驱动我们在追求目标的过程中保持专注和动力。例如，一个人可能因为对新工作的渴望，而努力学习新的技能，这种欲望就是一种“掌控欲望”。
欲望91强调了“深度体验”的概念。他们在产品的设计上注重功能性和美学结合，让用户在使用过程中能够感受到欲望的满足感和愉悦感。例如，他们的设计风格简约大方，色彩鲜明，既符合现代人的审美需求，又能够引发人们对新事物的好奇心，使用户在使用欲望91产品时，仿佛置身于一个充满欲望的世界。
欲望91倡导的是“多元化”的消费观念。他们认为，每个人都有自己的喜好和需求，欲望91的产品应该能满足多种需求，提供个性化的解决方案。这种多元化的产品策略，不仅能够吸引不同层次和类型的消费者，也能够提高消费者的满意度和忠诚度，从而推动品牌的发展。
在实际应用方面，欲望91提供的实战策略也值得我们借鉴。他们主张将欲望转化为行动计划，明确目标并制定计划来实施。例如，对于追求财富和地位的人，可以通过设定理财目标和时间管理技巧，制定出有效的财务规划和时间利用策略，以实现物质上的富裕和精神上的满足。对于寻求自我成长和发展的人，可以通过阅读心灵鸡汤书籍、参加心理咨询课程等方式，提升自身的综合素质和能力，实现心理上的成长和进步。
欲望91的产品和策略，揭示了欲望的神秘力量及其在日常生活中的重要性。他们通过“掌控欲望”、“深度体验”和“多元化”的消费观念，为我们提供了实用的建议和策略，帮助我们在面对欲望的挑战时，找到正确的方向，实现内心的平衡和成就。无论是追求事业成功，还是追求个人成长，或是追求家庭幸福，都可以通过了解欲望91，理解其强大的内在驱动力，以及如何运用这些力量，实现真正的自我价值和社会价值。
2025年6月3日，联想正式推出拯救者游戏手柄G9，专为拯救者Y700电竞平板设计，使其能够变身为便携式游戏掌机，为玩家提供更沉浸的游戏操控体验。
G9手柄采用霍尔线性扳机与微动扳机双模式设计，玩家可根据不同游戏类型自由切换，精准模拟真实射击或赛车游戏的操控手感。高精度霍尔摇杆具备200万次超长使用寿命，有效避免传统摇杆常见的漂移问题，确保长时间游戏仍能保持稳定操作。手柄背部配备4颗可编程背键，支持宏录制功能，玩家可自定义复杂连招或快捷操作，提升竞技效率。
G9支持幻彩RGB灯效调节，玩家可自定义灯光颜色与动态效果，增强游戏氛围。手柄采用符合人体工学的握持设计，贴合手掌曲线，长时间游戏不易疲劳。此外，手柄与Y700平板的组合方式经过优化，确保整体重心平衡，避免因重量分布不均导致的操控不适。
G9专为拯救者Y700平板优化，安装后即可自动识别并进入掌机模式，支持原生适配《王者荣耀》《原神》《崩坏：星穹铁道》等热门游戏，提供更精准的触控映射与低延迟反馈。结合Y700的165Hz高刷屏与双X轴线性马达，G9手柄进一步强化了游戏的流畅度与触觉反馈，使玩家在《和平精英》等FPS游戏中获得更快的瞄准与射击响应。
联想透露，后续将推出G9 Pro版本，新增音频震动系统，可根据游戏音效提供动态触觉反馈，进一步提升沉浸感。此外，Pro版或采用光学ABXY按键，优化按键手感与耐用性。
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