五彩斑斓的五月天堂：探索神秘色彩的瑰宝——万物之源的五月天堂色，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 四五十岁的女人，多跟殷桃学穿搭，温婉大方、减龄又好看贵金属板块涨幅居前，晓程科技（300139.SZ）、西部黄金（601069.SH）涨超4%，赤峰黄金（600988.SH）、山东黄金（600547.SH）均上涨。
高大的山峦、翠绿的森林、金色的麦田和红色的花朵构成了一个壮丽而独特的五月天堂。这个被誉为“万物之源”的神秘色彩世界，以其丰富的色彩，吸引着世界各地的游客纷至沓来，探寻其中蕴含的丰富历史文化和大自然的瑰宝。
五月天堂的天空是五彩斑斓的。晴空万里，云层洁白如雪，宛如一幅美丽的水墨画，被赋予了无尽的生命力和活力。阳光洒落在大地上，使得万物都沐浴在温暖的阳光中，绿色的树木显得生机勃勃，金黄的麦田犹如一块块金黄色的大宝石镶嵌在大地之上，映照出一片盎然生机。当太阳落下，夜幕降临，繁星点点，如同天上的繁星点点，照亮了整个星空，也为五月天堂披上了一层神秘的面纱。
五月天堂的河流是五彩斑斓的。溪流清澈见底，沿途点缀着各种各样的彩色石头和鹅卵石，像是大自然精心绘制的一幅画卷。河两岸的树木郁郁葱葱，枝叶繁茂，树叶的颜色从深到浅，从绿到蓝，让人眼花缭乱。每当微风吹过，河水轻轻摇曳，发出潺潺的声音，仿佛在讲述着一个个五彩斑斓的故事。
五月天堂的草原是五彩斑斓的。草原上长满了各种各样的野花，有红的、黄的、紫的、白的，色彩斑斓，形态各异。它们像是一朵朵盛开的鲜花，争奇斗艳，绽放出最动人的色彩。草原上还有成群结队的牛羊，它们毛色各异，有的黑如煤炭，有的白如雪花，有的灰如泥土，构成了一幅人与自然和谐共处的画面。
五月天堂的山脉也是五彩斑斓的。山峰高耸入云，巍峨壮观，山顶上覆盖着厚厚的积雪，如皑皑白雪的世界。山脚下的岩石颜色各异，有深红的、棕色的、灰色的、白色的，形成了一道道丰富多彩的风景线。山间小路蜿蜒曲折，穿行其中，犹如一条彩虹般在大自然中穿梭，给人一种宁静而美丽的感觉。
五月天堂的田野是五彩斑斓的。田野里种满了各种农作物，有金黄的稻谷，有火红的辣椒，有碧绿的青菜，还有紫色的茄子。这些农作物的颜色鲜艳夺目，色彩斑斓，给人以视觉的盛宴。田间的土壤富含各种矿物质，绿色的庄稼生长得茁壮而健康，为五月天堂增添了生动的色彩。
五月天堂以其五彩斑斓的色彩，展现了大自然的神奇魅力和生命的丰富多彩。无论是天空的五彩斑斓，还是河流的五彩斑斓，草原的五彩斑斓，山脉的五彩斑斓，田野的五彩斑斓，每一个元素都在诉说着自己的故事，展现出大自然的独特之美。在这个神秘而美丽的五月天堂，无论你是摄影爱好者，还是喜欢大自然的人，都可以在这里找到属于自己的独特视角和感受，体验到大自然的魅力和美丽。
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
45岁的殷桃，还有着满脸的胶原蛋白，看着就像年轻女孩子一样，少女感十足。
殷桃的穿搭，从来也不过分老气，保持着清爽与干净，是很大方、时尚的穿着方式。
对于四五十岁年纪的女人来说，殷桃的穿搭，就有很强的借鉴性。不仅温婉大方、也减龄好看，非常时髦不俗。
V领的衣服，拉伸脖颈线条好有女人味
不管是选择连衣裙、衬衫、还是T恤，领口的选择上，殷桃都更偏爱V领。其实殷桃属于身材有点小丰满的女生，V领不仅显瘦、还可以拉伸脖颈线条。
像这种V领的碎花连衣裙，配上一头侧分的微卷发，优雅浪漫、女人味十足。这自然拉伸的脖颈线条、和时尚的露肤度，简直太轻盈了。
即便是衬衫，殷桃也更偏爱V领的款式。如果觉得细长的深V领很容易走光，我们可以像殷桃一样，利用绑线编织，营造出时尚感。
这种交叉的绑线设计，可以塑造出更性感的小元素，让殷桃的气质更加迷人。通过精致锁骨的呈现，给人一种很性感的冲击力。