酷爽游戏体验：可乐在线2娱乐 您的麻7IIII2扣不错！，韩国总统选举投票结束 出口民调显示李在明将赢得大选看似无害的提问，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1000卡（cal）=1千卡(Kcal)
高中时期，我们常常在周末闲暇时间沉浸在游戏中，享受那种既紧张刺激又充满乐趣的独特体验。其中，一款名为"麻7IIII2"的网络游戏无疑为我们带来了一场别开生面的游戏盛宴。这款独特的线上娱乐产品不仅具有精美的画面和丰富多样的任务系统，更以其出色的"酷爽游戏体验"赢得了广大玩家的喜爱。
让我们来看一看"麻7IIII2"的游戏画质。这款游戏采用3D引擎打造，画面色彩鲜明、立体感强，无论是人物的动作流畅度、场景的细节描绘还是环境的氛围渲染，都呈现出一种强烈的视觉冲击力。无论是在明亮的阳光下，还是在阴暗的夜晚，每一张图片都能深深地吸引你的目光，让你仿佛置身于一个宏大的游戏世界中。更重要的是，画面中的每一个细节都被精细地刻画出来，无论是角色的面容、服饰，还是道具的纹理、质感，无一不体现出制作团队对游戏美术品质的极高追求。
让我们看看"麻7IIII2"的游戏玩法。这款游戏的核心在于其丰富的任务系统，从主线任务到支线任务，再到日常活动，几乎涵盖了所有的游戏内容。每个任务都有明确的目标和对应的挑战，通过完成这些任务，玩家可以解锁新的角色、获取稀有的装备、提升技能等级等，从而不断推动游戏进程，提高自身实力。游戏中的PVE与PVP战斗模式也非常精彩，玩家可以通过团队合作或者单打独斗，挑战各种强大的敌人，体验到真正的竞技快感。
"麻7IIII2"的游戏社交功能也十分强大。玩家可以在游戏中结识来自世界各地的其他玩家，进行组队冒险、共享资源、切磋技巧，甚至可以与其他玩家一起参加公会战，共同为公会荣誉而战。这种多元化的社交互动方式，大大增强了玩家之间的凝聚力和归属感，也让游戏不仅仅是一种娱乐工具，更成为了大家交流经验、分享快乐的平台。
"麻7IIII2"以其高清晰度的画面、丰富多样的任务系统以及出色的"酷爽游戏体验"，吸引了众多热爱游戏的年轻玩家。它的独特魅力，使得无论你是喜欢角色扮演，还是喜欢动作冒险，甚至是喜欢策略对抗，都能够在这款游戏中找到属于自己的乐趣。作为一款备受好评的游戏，"麻7IIII2"将继续以其高质量的画质、创新的游戏玩法以及多样化的社交互动，为广大玩家提供一个集休闲娱乐、团队协作与竞争于一体的全新游戏体验，成为21世纪最具吸引力的一款电子游戏之一。
据央视新闻消息，当地时间6月3日20时，韩国第21届总统选举投票正式结束，出口民调随后陆续公布。
投票结束后，韩国广播公司（KBS）、韩国文化广播公司（MBC）、首尔广播公司（SBS）三大主流电视台公布的出口民调结果显示，最大在野党共同民主党候选人李在明将赢得大选。
最终计票结果预计4日早公布
韩国舆论预测，初步结果或将于4日凌晨前后公布。韩国中央选举管理委员会预计，最终计票结果在当地时间4日6时左右得出。
表决通过后 新当选总统立即启动任期
由于本届选举在总统缺位的情况下举行，韩国中央选举管理委员会将在计票工作结束后立刻召开全体会议，表决通过大选投票结果的议案，当选总统随后将正式启动任期。根据推测，当选总统最早将于当地时间4日早7时左右正式获得总统职权，并开启任期。
据报道，韩国行政安全部正筹备4日在国会举行总统就职仪式，预计仪式将以就职宣誓为主要内容从简举行。（总台记者 张昀）
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