《"ル八尺八话快乐巡り～異THE"：探寻日本动漫经典中的独特魅力》，共享出行的下一场社会革命，在自动驾驶中开启看似无害的提问，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再如《十二楼》又名《觉世名言》《觉世名言十二楼》，而日本佐伯文库发现的《连城璧》足本，前面也冠有“觉世名言”字样，即《觉世名言连城璧》，但未见有《觉世名言无声戏》，这亦说明二者是同一个集子，因为既然更名了，当然就不会再出现《觉世名言无声戏》了。
高一的夏天，阳光明媚，清风徐来。这个夏天，一部充满独特魅力、跨越时空的日本动漫——《异THE》吸引了我，它以独特的角色设定、精美的画面和深入人心的主题，让我在漫漫动漫史上找到了一份属于自己的记忆。
《异THE》讲述了一个名为“八尺八”的神奇生物，它的身高超过八尺八米，体型硕大且形态各异，拥有着强大的能力。在这个奇妙的世界里，八尺八不仅拥有超人的力量，还能操纵火焰和水的力量，甚至可以操控时间。他的生活却充满了孤独和痛苦，因为他被赋予了寻找和平、恢复常态的责任。
这部作品的核心人物之一是八尺八本身，他用自己独特的方式探索世界的秘密和人性的复杂性。八尺八的内心充满了矛盾和挣扎，他既渴望自由和自我解放，又害怕失去控制。他的故事通过一系列看似平凡但富有深意的生活片段，展现了人类对于真实与虚幻、权力与欲望、爱与恨的复杂情感和理解。
《异THE》还塑造了一批性格鲜明、个性突出的角色。从温柔善良的女仆阿玲，到狡猾机智的少年千寻，再到忠诚正直的英雄八尺八，他们的存在为整个故事增添了丰富的色彩和深度。他们的命运交织在一起，共同面对生活的挑战和选择，体现了人性的多面性和复杂性。
这部作品的画面精美绝伦，无论是主角们的动作捕捉还是场景的设计，都展现出了一种精致、细腻的艺术风格。无论是燃烧如火的火焰，还是清澈如水的湖面，或是雄伟壮丽的山川景色，都仿佛是一幅流动的画卷，深深地吸引住了观众的眼球。
而贯穿全剧的主题，即对和平与恢复常态的向往，更是赋予了《异THE》独特的感染力和深远的内涵。这个世界虽然充满纷争和冲突，但八尺八始终怀揣着一颗热爱和平的心，试图用勇气和智慧去理解和解决这些困扰世界的问题。他的故事提醒我们，尽管生活中总会有各种各样的困难和挑战，但我们可以通过坚韧不拔的努力和正确的价值观，找到内心的平静和平衡，从而实现真正的自由和幸福。
《异THE》以其独特的魅力和深刻的主题，向我们展示了日本动漫的经典风采。它以其丰富的人物形象、精美的画面和深入人心的主题，带给我们一场视觉、听觉和心灵上的盛宴，让我们在欢笑中感悟生活，在感动中汲取力量，为我们的成长之路指引方向。这就是《异THE》，一个超越时代、跨越空间的日本动漫，一个值得我们珍藏的记忆。
文 | 智能相对论
作者 | 陈泊丞
京东在本地零售配送领域燃起的硝烟还没消散，新领域的号角已经吹响。
据中国商标网信息，京东子公司“北京京东叁佰陆拾度电子商务有限公司”于4月密集申请注册“Joyrobotaxi”商标。言外之意，这家互联网巨头似乎有意进军Robotaxi市场，矛头对准了共享出行领域。
尽管京东的布局尚未在市场上兑现，但是共享出行行业围绕以AI为主导的自动驾驶、智慧出行展开技术角逐已是大势所趋。前不久，享道出行完成超13亿人民币的C轮融资，用于加强大数据、人工智能等技术的应用，并加速自动驾驶Robotaxi服务的商业化运营。
资本的注入再度强化了出行市场的变革趋势。纵观目前市场上的各大共享出行品牌，滴滴出行、曹操出行、T3出行、如祺出行等都在围绕自动驾驶、智慧出行做试行、做布局，从AI中寻求新的出路。
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