艾栗栗：打造全球首推的非虚构众筹平台，探索独特创意与商业价值的完美结合!，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 租客和二房东打心理战 一线城市月租能再降500？股权信息显示，截至2024年末，厦门农商行的前三大股东分别为
有这样一位独具创新精神的女性，她以独特的视角和丰富的人脉资源，打造出全球首屈一指的非虚构众筹平台——艾栗栗。这个平台不仅将创新思维融入到商业模式中，更是将商业价值与真实故事的讲述相结合，通过非虚构的方式引领了新的创业趋势，为世界各地的企业和个人提供了前所未有的展示自我的舞台。
艾栗栗平台的核心理念是“用真实的叙述，塑造世界的真实”，致力于创造一个能够真实反映生活、展现人性的地方，让每一个参与者都能从中获取启示，发现自己的故事和价值。在这个平台上，用户不仅可以分享自己的创作故事，还可以选择参与到故事背后的品牌或产品推广活动中，从而实现自己的创业梦想。
在平台的设计上，艾栗栗注重用户体验，致力于提供一种不同于传统众筹模式的互动体验。它通过精心策划的故事编排，让用户在阅读过程中可以感受到角色的情感变化，仿佛身临其境地参与到故事的发展中来。平台还利用大数据技术对用户的阅读行为进行分析，精准推送符合他们兴趣和需求的内容，进一步提升用户参与度和转化率。
除了内容创新，艾栗栗平台在商业模式上也具有很高的独创性。它采用的是会员制营销模式，通过定期发放优惠券和积分回馈，鼓励用户持续关注和支持平台上的创作者。平台通过整合产业链上下游资源，实现项目孵化、融资服务、品牌建设等全方位服务，有效降低了初创企业的运营成本，也为投资者提供了优质的投资回报。平台还引入了社交电商的概念，鼓励用户通过分享和推荐，推动产品的销售增长。
艾栗栗的成功得益于其鲜明的品牌定位和优秀的团队阵容。作为非虚构众筹的开创者，艾栗栗坚持以真实故事为核心，倡导“活生生”的企业文化和价值观。她的团队成员都是行业内的资深专家，有着丰富的经验和深厚的知识储备，能够准确理解市场趋势和用户需求，以此为基础，推出一系列深入浅出且富有启发性的众筹项目。
艾栗栗已经成为全球首个非虚构众筹平台，并在全球范围内吸引了大量企业和个人的关注和参与。据统计，平台上已有超过200万用户注册，发布超过1500个故事，筹集资金超过1亿人民币，成功孵化了一批优质的项目，如环保科技公司、创新创业教育机构等等。这些案例充分证明了艾栗栗平台的独特魅力和商业价值，也为其他非虚构众筹平台的发展提供了可借鉴的经验和启示。
艾栗栗的出现，无疑开启了非虚构众筹的新篇章。通过创新的商业模式、独特的品牌定位以及优秀的团队实力，艾栗栗已经展现了自己打造全球首推非虚构众筹平台的实力，也期待未来能继续引领潮流，为创业者和广大读者带来更多的惊喜和感动。在这个充满机遇和挑战的时代，让我们一起期待艾栗栗平台在未来能创造出更多具有影响力的故事，带领我们更好地理解和把握生活，发现自我，实现价值！
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
资料图。源自东方IC
摘要：干还是不干？大城市二房东陷入焦灼的关口。如果继续，之前扩张抢下的几十、上百套房源，好多都可能空置一两个月。原先自己是“鬼才设计”，打出有利于出租的隔断，现在最怕里面住不满，每天一睁眼就感到大几百在亏损。退场吧，心有不甘——这本身是赚时间的钱，装修投入加签约年限，起码熬过4个年头才能回本。而且这行运营模式就是收了租又去收新房，一间套一间，如果现在退出，还欠着借款。
停不下来，他们这么形容。前有房东后有租客，他们一开口讲的都是自己“太难了”，如何撑不下去，有人直接拿出裁员通知和病历谈价格。二房东们像一面镜子，照见这个市场博弈背后，普通人的生存处境。
文| 吕煦宬
编辑| 毛翊君
心理战
去年10月，蔡佳以为自己做好了准备。她住在北方一线城市五环外一间“二改三”的次卧，签约时月租2300块。一年下来，整体市场都在降，同事租的一居室便宜了1000块，同房源内的主卧从2000降到了1800。她翻了二房东的朋友圈，发现同片区带阳台的次卧只要1200。
蔡佳的目标价格是2000。她告诉妈妈自己的打算，妈妈让她报1800，给对方拉扯的余地。于是她跟二房东发消息，特意提到“公司绩效不好，我经济压力也比较大”，想用打工人的身份博取同情，“不能让他觉得我有钱”。
卖惨的另一层考虑是，要让对方让利的同时，觉得自己做了好人。她提出先签半年合同，之后再看行情。听上去是在为人家考虑，其实她在一家自媒体做商务，和领导合不来，薪水也不高，计划在第二年春节后离职、不再续租，省下来的租金能给过渡期一些保障。
二房东隔天才回她消息，说只能降200，还纠正蔡佳，她住的房间“方正”，不是次卧是主卧，价格不可能低到1800。他让蔡佳出去看看，态度坚决。蔡佳这才意识到谈晚了——当时临近到期只有两天，二房东拿准了她根本没打算搬家。再打开他的朋友圈，蔡佳发现已经被屏蔽了。