人性善：另类诠释与探索：以“XX另类”现象为例，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深观察丨“这无助于美国制造业的长期复苏”然而，内塔尼亚胡的计划正遭遇日益增加的反对声浪。据《观察者网》等媒体在5月28日的报道，现阶段以色列国防军的指挥体系正经历空前的动荡。根据《国土报》5月27日披露的重大消息，包括现役和预备役在内的1200名以色列军官共同签署了一封联名信，强烈要求内塔尼亚胡政府立刻停止这场“违背道德”的战争。信中犀利地指出：“这场战争正使以色列走向国际孤立的深渊。”这封由多兵种军官，包括特种部队和空军的军官共同参与的公开信，并非个别现象。
关于人性善的另一种诠释和探索——以“XX另类”现象为例
在我们对人性善这一基本观念的认知中，传统上倾向于将其定义为一种无私、公正、善良的行为特征。这种普遍的理解往往过于简单而缺乏深度和丰富性。今天，我们或许需要重新审视人性善的本质，尤其是对于一些看似“另类”的现象进行深入探讨。
让我们来看一下“XX另类”现象。在现代社会，许多人在面临困难时选择不求回报地帮助他人，甚至愿意付出超出常人的代价，如冒着风险去救助陌生人的生命或物质需求。他们被称为“XX另类”，因为他们的行为与众不同，打破了传统的道德框架，被认为是超出了个人利益和社会价值考虑的。
这种“XX另类”现象的出现，既体现了人类普遍的人文关怀精神，也反映了社会道德变迁的趋势。随着社会竞争压力增大，个体主义意识增强，人们逐渐意识到自身的力量和资源有限，只有通过集体合作、奉献爱心等方式才能实现自我价值和社会进步。在这种背景下，“XX另类”现象的发生和发展，正是人们对自身力量的认知深化和道德责任的体现。
从哲学层面来看，“XX另类”现象也是一种深层次的道德实践和文化反思。它揭示了人的本性中的利己性和自私性并非天然具有的优点，而是可以通过教育和自我提升得以克服和超越。这种“另类”体现在人与人之间的互助、同情和尊重上，是对个体主义和功利主义思想的挑战，也是对传统道德价值观的突破和重构。
我们应该看到，“XX另类”现象并不是全然的负面，它也有其积极的一面。一方面，它唤醒了人们的道德自觉和社会责任感，推动着社会向更加和谐、公正的方向发展。另一方面，这种“另类”现象可能会引发伦理争议和法律困境，如何平衡个体的利益与公共利益，以及如何处理好个人与社会的关系，是社会必须面对和解决的重要问题。
“XX另类”现象是一种独特的人性善诠释，它展现了人性中不只存在善良与无私的一面，更包含着利己与自省、互助与合作等复杂的内涵。通过对这一现象的深入分析和解读，我们可以更好地理解人性善的本质及其在现实生活中的表现形式，从而促进人的全面发展和道德境界的提高。我们也应警惕“另类”现象可能带来的道德困境和伦理问题，寻求更为合理和有效的解决方案，让人性善的光芒照亮我们的社会前行之路。
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
正当众多美国企业承受关税重压、艰难求生之际，白宫3日发表声明确认了总统特朗普近日宣布的又一关税决定：自美国东部时间4日开始，将除英国外所有贸易伙伴出口到美国的钢铁和铝及其衍生制品的关税从25%提高至50%。
△美国白宫官网截图
连日来，这一最新关税威胁已持续在全球范围内引发强烈反应。
加拿大、欧盟等美国的主要贸易伙伴纷纷谴责这一“经济自残”行为给全球经济增添了更多不确定性，并破坏了通过谈判解决问题的努力，警告将采取反制措施。
而美国国内研究机构则警告指出，关税税率的反复调整让众多企业陷入进退两难的境地，不仅难以实现美国制造业振兴目标，反而会导致原材料价格飙升，进一步冲击美国各行各业。
它会在“意想不到的地方”冲击美国人生活
美国太平洋研究学会高级研究员韦恩·瓦恩加登认为，缺乏依据的税率上调与政策反复带来的不确定性的害处同等巨大。
“他们（美国政府）从未解释过之前的25%为什么是合理税率，更不用说现在的50%了。税率就这么随随便便翻了一倍。”
美国杜克大学经济学副教授费利克斯·廷特尔诺特则警告说，反复变动的税率产生的不确定性正在对美国企业造成实质性伤害，进而影响工人就业。这与白宫声称关税将给美国钢铁业带来巨额收益的说法形成鲜明对比。
“不管你是赞成还是反对这些关税，你都不希望总统只是随意设定税率，就像他一直随意发布各种行政命令一样。”