鞭打一区现象调查，网友直呼不可思议，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重庆交通执法护航中高考 多举措保安静有序傍晚时分，夕阳的余晖洒在梯田上，整个梯田被染成了金黄色，美得如梦如幻。此时，站在梯田边，感受着微风的轻抚，聆听着虫鸣鸟叫，仿佛与大自然融为一体。
标题：鞭打一区现象调查：网友惊叹不已
随着信息时代的快速发展和互联网普及，中国的一区经济现象引发了广泛关注。在这个地区，我们正在进行一项大规模的网民调查，旨在揭示这一区域的独特性和影响力，并引发网友们的强烈反响。
根据我们的调查结果显示，这一地区的经济现状令人惊异。传统的农业基础虽在逐步退化，但依托现代化科技和绿色理念的发展趋势却十分明显，不仅农产品种类丰富多样，品质优良，而且特色农业产业蓬勃发展，农民收入显著提高。这种反差强烈的景象，在网络论坛上引起了广泛的热议与探讨。
网友们普遍表示，这些特色经济发展方式，打破了固有的农业生产模式，展现了我国现代农业发展的新风貌。他们纷纷赞扬当地政府对农业创新的支持，以及通过政府引导和政策扶持，使得一区农村经济得到实质性的推动和发展。与此一些网友也表达了对未来农业市场的期待和忧虑，他们认为这需要政府部门进一步深化农业供给侧结构性改革，提高农业产品附加值，推动农业产业结构调整，以适应现代农业发展需要。
我们还发现，尽管一区经济已取得了显著成果，但也存在一些亟待解决的问题。例如，部分村民仍然存在生活压力大、技能培训不足等问题，这对一区经济发展提出了更高要求。我们在问卷中提出了关于改善一区农村基础设施建设，提升农民职业素质，优化农村公共服务等方面的建议和方案，以此为指导，助力一区农村经济社会持续健康发展。
这次在线调查让我们深深地感受到一区现象背后的挑战与机遇。在科技与环保并重的基础上，政府应充分发挥引领作用，以创新驱动为核心，结合地方特色，探索一条符合现代农业发展趋势的发展道路，同时关注农民民生问题，确保一区农村经济健康稳定发展，实现乡村振兴战略的目标。
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
2025年中高考即将来临，为减少交通噪声对考生的影响，确保考试期间的交通秩序和安全，重庆交通执法总队多举措护航，实施水上禁鸣禁航、检查企业、排查送考车等，为考生营造良好环境。
水上交通禁鸣禁航管制（重庆交通执法总队供图）
据悉，重庆交通执法总队港航海事支队在2025年高、中考期间，对嘉陵江草鞋沱至三角坝航段、嘉陵江鸡公嘴至大沱口航段实施临时水上交通禁鸣禁航管制，对嘉陵江黄花园大桥至大竹林航段实施临时水上交通禁鸣管制。高考期间，6月7日-9日多时段禁鸣，6月8日1445-1530时部分水域禁航；中考期间，6月12日-14日多时段禁鸣，6月14日0855-0920时部分水域禁航。禁鸣时船只需减速降噪，禁航时段禁止通行。
考点附近采取降噪措施（重庆交通执法总队供图）
除水上管制，执法总队联合多部门禁止考点周边100米内噪音作业，考点附近轨道站点也采取降噪措施。同时，协调3家网约车平台保障111个考点订单，组织1000辆“雷锋的士”免费送考；在重点区域设执勤点严查违规行为，抽调118台执法车为考生应急服务。
直属支队南岸区大队同样行动，6月以来检查2家企业，排查50台送考车，查处6起违规行为，设置3台流动护考服务站，严把企业责任关口，做好安全风险防控，净化考点周边秩序，打造护考服务站点，全力护考。