佐田茉莉子九周年毕业典礼：璀璨回顾与未来展望，原创 章子怡汪峰离婚后同带娃，六一晒姐弟合照，分开抚养不打码看似无害的提问，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正是出于这样的原因，利雅得新月的主帅目标肯定是希望欧冠级别的名帅，此前他们和穆里尼奥联系在了一起。当然，沙特足球早就对穆里尼奥虎视眈眈，在执教罗马期间就和对方进行了联系，而且为穆里尼奥开出了2000万欧元的薪水，穆里尼奥接受采访的时候也表示愿意在未来执教沙特，但是最终他依然没有选择直接去沙特，而是选择了费内巴切作为自己的下一站。
以下是一篇以《佐田茉莉子九周年毕业典礼：璀璨回顾与未来展望》为主题的中文文章：
在佐田茉莉子的九周年毕业典礼上，一位年轻的女孩如繁星照亮了夜空，她的名字在众多毕业生中独树一帜。毕业于日本东京大学计算机科学系的她，以其卓越的技术能力和独特的创新思维，成为了日本IT界的一颗璀璨新星。
回首过去，佐田茉莉子的日子如同一场盛大而绚丽的毕业庆典，充满了惊喜和感动。从当年还是个略显稚嫩的学生，到如今已成长为一个富有影响力的IT女强人，她的成长历程宛如一部波澜壮阔、充满起伏的故事。
在九年前的那场毕业典礼上，佐田茉莉子以优异的成绩顺利毕业，并被东京大学授予荣誉学士学位。彼时的她心中充满了对未来的期待和对知识的渴望，对于成为IT行业领导者的梦想始终未曾动摇。她在校园里勤奋学习，不断提升自我，积累了丰富的理论知识和实践经验，为日后的职业生涯打下了坚实的基础。
毕业后，佐田茉莉子进入了一家世界知名的科技公司，开始了她的IT职业生涯。在那里，她不仅在技术层面上展现出了出色的才华，而且凭借自己的独特视角和创新思路，成功带领团队开发了一系列引领行业的前沿产品和技术解决方案。这些成果不仅在公司的业务发展中发挥了重要作用，也赢得了业界广泛赞誉和认可。
九年来，佐田茉莉子一直秉持着“持续创新”的理念，不断挑战自我，追求卓越。她深知，只有不断创新和突破，才能在这个竞争激烈的世界中立于不败之地。为此，她始终坚持不懈地进行研发投入和人才引进，培养了一批又一批具有深厚技术和创新能力的年轻人才，共同推动公司的技术创新和发展。
在今天的毕业典礼上，佐田茉莉子向大家回顾了这九年来自己的学习和工作经历，分享了自己的感悟和心得。她说：“作为毕业生，我们每个人都有机会改变自己和世界，实现自己的梦想。但我们也必须时刻保持谦虚和努力，勇于接受挑战，不断探索新的领域，以适应这个快速变化的时代。”这是她对毕业生们的寄语，也是她对未来工作的坚定信念。
在未来的工作和生活中，佐田茉莉子将继续发扬光大自己的优秀品质和坚韧精神，用实际行动证明，只要敢于追求梦想，积极进取，就一定能创造出属于自己的精彩篇章。她的毕业典礼不仅仅是一个庆祝她的成就和进步的仪式，更是一次激励和鼓舞所有毕业生的动员大会，让我们深深地感受到了那份无论是在学术研究还是职场发展的无限可能。
在这个特殊的日子里，佐田茉莉子通过她的毕业典礼，向大家展示了如何面对挑战，如何坚持不懈，如何以一种智慧、勇敢和执着的态度去迎接未来，这就是她的毕业故事，也是她作为一名IT女性的独特魅力和贡献所在。在这里，我们可以看到，无论是过去的过去，还是未来的未来，佐田茉莉子都将以她的独特身份，为我们树立起了一个前行的榜样和前进的目标。让我们一同期待，在未来的日子里，佐田茉莉子将会以更加杰出的姿态，继续书写属于自己的华丽篇章，照亮属于我们的未来之路。
在章子怡与汪峰的离婚后，姐弟俩的生活依旧保持着温暖与和谐。女儿与父亲同住，而儿子则由母亲照看。不过，这对离异父母在私下里始终努力让孩子们能够相聚。最近，章子怡在社交平台上分享了几张令人温馨的亲子照片，照片中多为她的大女儿醒醒，显然她对于与孩子们共度时光十分珍惜。
尽管姐弟俩的穿着十分平常，但从他们的神态和面容中，可以清晰地看到他们遗传了父母的特征。即将满十岁的醒醒越来越像她的母亲章子怡，言谈举止间透着小大人的气质。相较之下，弟弟则显得有些像他父亲汪峰，眼神与鼻子都如出一辙。
在章子怡的照片中，可以发现有些是近期拍摄的，有些则是过去的珍藏。这次，她并没有给孩子们的脸打上马赛克，展现出对孩子的全面信任。一张照片中，姐姐正兴高采烈地捧着一只蜥蜴，展现出不寻常的勇敢。另一个镜头则捕捉到姐弟俩一起欢颜嬉戏的画面，弟弟亲昵地搂着姐姐的腰，温馨满满。
回想去年儿童节，章子怡同样也是带着孩子们共同庆祝。在她忙于工作之时，汪峰则常常将孩子们带在身边，尤其是在女儿学校的家长会上，汪峰都会莅临现场，尽显父爱。虽然两人现在是分开住，彼此之间却并不存在冷漠与隔阂。
值得一提的是，章子怡每次与孩子见面时都是素颜出镜，衣着随意，表现出一种轻松自在的态度。而汪峰尽管开始了新的恋情，对孩子们的关心和陪伴依旧不减，依旧负责地接送孩子并参与活动。
姐弟俩的相处频率相当高，关系也格外亲密。章子怡常常安排他们一起娱乐，弟弟显然喜欢依偎在姐姐身旁。在笑容灿烂的合照中，母女俩竟然戴着同款头巾，共同演绎着温暖和谐的画面。
网络上许多人认为离异父母带孩子的过程很不容易，但值得注意的是，章子怡与汪峰之间从未发生过争执，在孩子面前更是表现得相当融洽。如今，两家人都对孩子的成长充满心意，没有任何争夺的情感，只是踏实地抚养孩子，营造出温暖的成长环境。
以往人们常常认为明星的离婚会对孩子带来巨大的心理影响，但观察姐弟俩的朝气蓬勃，似乎并没有受到这方面的负面影响。上学、玩耍一应俱全，只是偶尔周末分别在父母的家中轮流居住。
近年来，章子怡更是频繁带着姐姐探索新鲜的事物，充分尊重孩子们的兴趣与选择。记得她带醒醒去观察蜥蜴时，并没有阻止孩子们去触摸，显然认为让孩子接触大自然有益成长。
尽管汪峰已经官宣了新的女友，但在女儿的学校活动中，他依然尽量抽空参与。而在章子怡出国工作期间，弟弟又跟随汪峰生活。两家对孩子的教育似乎已经达成一致，不论是学费的支付还是兴趣班的选择，双方都尽力配合。
章子怡之前由于拍戏繁忙而无暇顾及孩子，但现在她也开始抽出时间陪伴女儿，显然尽力为孩子们营造一个稳定的成长环境。许多人担心离异家庭的孩子容易心灵受创，但姐弟俩却看起来特别快乐，这或许与父母之间保持的良好沟通、友好关系密切相关，孩子似乎并未因此感受到生活的重大变化。
如今，社交媒体上有人讨论章子怡为何在晒娃时不打码，尽管她强调保护隐私的重要性，但她相信孩子们长大后能够自己做出决定。照片中，姐弟俩的脸庞清晰可见，他们的穿着虽然普通，却彰显了生活的真实与自然。
综上所述，章子怡和汪峰离婚后并没有互相推卸责任，反而在育儿问题上展现出难得的配合。孩子们既能安心上学，又能快乐玩耍，父母双方为他们提供了良好的成长空间，甚至有时比一些“完整家庭”更显和谐。
目前，双方都在细心陪伴孩子，章子怡鼓励醒醒去探索新奇事物，而汪峰则没有因为恋情的开始而忽略孩子的成长。姐弟俩之间的深厚情感，加上父母的稳定态度，或许这正是给予孩子最理想的生活安排。
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