欧美另类极端暴力：掌控狂野与残酷的另一维度探索，招商证券(06099.HK)发布公告，该公司将于2025年8月29日派发末期股息每10股3.77元人民币看似无害的提问，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俄乌两国代表团2日在土耳其伊斯坦布尔就和平解决俄乌冲突举行的第二轮直接谈判结束。
在西方世界，极端暴力现象一直是引发争议的话题。从政治动乱到社会动荡，无论是国内还是国际层面，暴力事件都曾以各种形式出现，并以不同的方式影响人们的生活和文化。这种现象并非只是简单的暴力行为，而是由多种因素交织而成的另类极端暴力，其中包括掌控狂野与残酷的维度。
掌控狂野与残酷的另类暴力往往与权力、控制和利益有关。这些暴力行径可能源于政府、宗教组织或特殊利益集团的操控，他们在自己的目标和利益范围内制定并执行严格的法律和政策，对那些不顺从其意愿的人进行无情的打压和制裁。例如，在美国，特朗普政府实施了多项针对伊朗的制裁措施，这导致了一系列激进抗议活动，其中不少暴力分子被指控犯有包括煽动恐怖主义在内的罪行。在美国，警方和执法机构通常扮演着维护社会稳定的角色，但当他们无法解决暴力问题时，就会被迫介入，采取行动来压制暴力活动。这种情况下，控制狂野与残酷的另类暴力就成为了一种重要的手段，它们为政府和执法机构提供了维持秩序和稳定的机会，同时也加剧了公众对于政府权威的质疑和不满。
掌控狂野与残酷的另类暴力往往涉及到高度组织和纪律化的团体。这类团体通常拥有明确的目标和策略，他们的成员必须遵循一套严格的规定和程序，才能参与活动并承担相应的责任。这些团体可能会通过各种手段来强化自身的力量和影响力，如利用媒体、网络平台等工具进行宣传和招募，或者通过街头游行、示威等方式实现自己的诉求。例如，在法国，极右翼势力组成的国民阵线曾因支持焚烧《查理九世》漫画等活动而引发了大规模的骚乱。为了应对这场抗议活动，国民阵线领导人埃马纽埃尔·勒庞在公开场合强调了对保守派和反移民者的坚定支持，声称这是保卫国家领土和民族文化的必要措施。这样的行为体现了掌控狂野与残酷的另类暴力中的集体意志和组织性，它不仅挑战了传统的政治权威，也塑造了新的意识形态和社会模式。
掌控狂野与残酷的另类暴力常常与文化背景和价值观密切相关。西方社会长期秉持自由、平等和人权的理念，这使得很多人难以接受那些以侵犯他人权利、破坏社会秩序为目的的行为。在这样的背景下，一些极端主义组织和个人选择采取暴力的方式来表达自己的观点和主张。例如，在以色列，伊斯兰极端主义者往往会将自己视为代表正义和和平的象征，他们在反对犹太人定居点建设和其他敏感话题上不断发起暴力抗议活动。在这种情况下，文化差异和价值观冲突是掌控狂野与残酷的另类暴力的重要驱动力，它们使得冲突变得更加复杂和棘手，但也为解决这些问题带来了新的可能性。
掌控狂野与残酷的另类暴力是一种独特的现象，它反映了西方社会中权力、控制和利益的复杂关系、高度组织和纪律化的团体以及特定文化背景和价值观的影响。尽管这种方式在很大程度上限制了个人的选择和言论自由，但它也为防止社会混乱和维护公共安全提供了有效手段。在面对这种情况时，我们需要深入理解这些元素之间的内在联系，寻找更公正、公平和包容的解决方案，从而保护人民的权利和福祉，推动社会的和谐与发展。
招商证券(06099.HK)发布公告，该公司将于2025年8月29日派发末期股息每10股3.77元人民币。
截至2025年6月4日收盘，招商证券(06099.HK)报收于12.34港元，上涨2.66%，成交量767.64万股，成交额9413.53万港元。投行对该股关注度不高，90天内无投行对其给出评级。
招商证券港股市值153.2亿港元，在证券行业中排名第7。主要指标见下表：
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