刻晴乳液：疯狂狂飙！图解她瞬间爆红的尖叫和口腔满足感，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（图表·漫画）二十四节气·芒种｜梅子熟了最令人称道的是少儿南音队，这些稚嫩的童声曾在中南海唱响《盼团圆》，更以日本古谱为媒架起两岸文化桥梁。
问题：刻晴乳液：疯狂狂飙！——图解她瞬间爆红的尖叫与口腔满足感
标题：刻晴乳液：疯狂狂飙！——揭秘其瞬间爆红的秘密与口感体验
在美妆市场上，一款产品能够迅速获得热度并成为爆款，离不开其独特的配方、卓越的性能以及深入人心的形象。刻晴乳液便是这样一个具有强大吸引力的产品，她的疯狂狂飙瞬间震惊了整个美妆界，让无数女性为之疯狂尖叫，也让口腔感受到前所未有的满足感。
刻晴乳液以精妙的配方，巧妙地融合了多种植物精华和天然成分，通过科学配比，形成了一种独特而高效的护肤效果。其中，凝胶质地的乳液使得肌肤在使用时更为轻盈滑爽，同时又能为肌肤提供充足的营养和保湿成分，使肌肤在吸收后呈现出嫩滑柔润的质感。这种亲肤性的设计，不仅能让肌肤更好地吸收乳液中的有效成分，更能深度滋养肌肤，使肌肤在日常生活中保持健康状态。
刻晴乳液还特别注重对敏感肌用户的呵护，采用了温和无刺激的配方，并添加了适量的草本植物提取物，如薰衣草、绿茶等，这些天然成分具有舒缓镇静、抗氧化的功效，能帮助缓解因环境因素或日常生活压力引起的肌肤不适，使其在遭受各种外界伤害时得到有效的防护和修复。这样的设计，无疑提升了刻晴乳液在敏感肌用户群体中的口碑和销量。
刻晴乳液的包装设计也极为吸睛，选用精致的透明玻璃瓶包装，既增加了产品的神秘感和高级感，又能让消费者直观看到产品的内部构造，增强了产品的自信心和销售力。而且，这款乳液的瓶身采用环保材料制作，符合当下绿色消费的潮流，体现了其对环保理念的尊重和推崇。
对于刻晴乳液的尖叫和口腔满足感，首先源自于其强大的功效表现。当用户轻轻打开瓶盖，就能立即闻到一股淡淡的植物香气，这股香气不仅能唤醒人们的味蕾，更蕴含着自然的活力和清新，让人仿佛置身于一片繁花似锦的森林中，身心得到极大的放松和愉悦。随后，产品中的各种有效成分开始发挥作用，从深层滋润肌肤，改善肤质，到促进新陈代谢，提升肌肤弹性和光泽度，再到紧致毛孔，收缩细纹，每个环节都充分展现了它的高效性和精准性。
另一方面，刻晴乳液的尖叫和口腔满足感更来源于其个性化的口感体验。这款乳液采用了不同于传统乳液的流线型质地，涂抹在皮肤上，感觉犹如轻薄的凝胶般清爽不粘腻，触碰肌肤瞬间就充满了水分，令人感到无比舒适和滋润。特别是在炎热的夏季，这款乳液还能有效地降低肌肤表面温度，为肌肤提供充足的水分，让肌肤保持清爽、光滑的状态，让人一试便爱不释手。
刻晴乳液以其独特的配方、出色的性能和深入人心的形象，成功吸引了无数女性的目光，成为了美妆市场的一颗璀璨明星。它的疯狂狂飙瞬间引发了消费者的尖叫和口腔满足感，这种现象充分证明了其强大的市场竞争力和广泛的人气基础。在未来，随着科技的进步和社会的发展，我们期待刻晴乳液能够继续引领潮流，为全球女性带来更加高品质、全方位的护肤体验。
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
本文转自【新华社】
新华社图表，北京，2025年6月4日
6月5日将迎来夏季的第三个节气“芒种”。此时我国南方梅子成熟，但新鲜的青梅味道酸涩难以入口，人们便选择以煮食的方式加工。学古人青梅煮酒，或饮下带着酸味的梅汤，都不失为调理胃口的好方法。