《揭秘原神色片：电影艺术与视觉表现的深层奥秘》，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刚果（金）等五国当选安理会非常任理事国高考语文、数学科目，学业水平选择性考试物理、历史、思想政治科目，技能高考文化综合科目是A3幅面答题卡；高考外语科目，学业水平选择性考试其他科目是A4幅面答题卡。答题卡主要分为以下几个区域：
关于电影艺术与视觉表现的深度奥秘，一直以来都是电影制作者和研究者的关注焦点。《揭秘原神色片：电影艺术与视觉表现的深层奥秘》这本书以全面、深入的方式，揭示了这一领域的伟大成就及其背后的历史故事、理论探索和实践案例。
从历史角度看，电影艺术与视觉表现的发展历经数百年。自19世纪末至20世纪初，电影作为一种新型视听媒介，以其独特的艺术形式和强大的叙事力量，对社会生活产生了深远影响。在此期间，光线、影像、音乐等元素在电影中占据主导地位，逐步形成了光影艺术、摄影艺术、剪辑艺术、剧本创作等多种分支。这些艺术手法不仅丰富了电影的表现力，更推动了电影工业的发展和社会进步。
本书详细阐述了电影艺术与视觉表现的多元性和复杂性。其中，重点探讨了光影艺术的创作原则、光线运用技巧以及特效制作原理等核心内容。通过深入剖析，作者指出光影是电影表达情感、塑造角色、构建场景和反映社会的重要手段，它不仅决定了影片的视觉效果，也影响着观众对电影的理解和感受。例如，通过对黑白胶片、彩色胶片和数字胶片的对比分析，作者指出不同的光影环境可以引发不同的情绪反应，并解释了这些差异背后的物理机制和心理根源。
本书还深入讨论了电影摄影艺术的历史演变和现代发展。摄影作为电影的重要构成元素，对电影的艺术风格、叙事视角和审美价值产生了重要影响。通过梳理摄影师们如安塞尔·亚当斯、约瑟夫·卡西莫夫和乔治·盖拉尔德等人独特的镜头语言和拍摄技巧，作者揭示了他们如何通过捕捉瞬间、营造氛围和传达主题，创造出独特而生动的视觉世界。
随着数字化技术的发展，电影视觉表现也在不断革新和升级。数字化技术和新媒体平台的普及，使得电影的制作周期缩短、创意空间扩大、观众参与度增强，从而为电影艺术与视觉表现带来了前所未有的可能性。本书系统地介绍了数字化技术在电影中的应用，包括视频编辑软件、3D建模和虚拟现实技术等，探讨了其在电影制作、后期制作和观众体验等方面的具体作用和变革趋势。
作者还关注了电影剧本创作与导演执导的关系。电影剧本不仅是电影创作的核心，也是连接电影艺术与视觉表现的桥梁。通过深入解析电影编剧们的创新思维、故事情节设定和人物刻画方式，作者强调了电影剧本对电影艺术表现的影响和制约，同时也指出了编剧在推动电影发展的过程中所发挥的关键作用。
《揭秘原神色片：电影艺术与视觉表现的深层奥秘》是一本集历史、艺术和技术于一体的专业著作，全面展示了电影艺术与视觉表现的独特魅力和深邃内涵。它为我们理解电影的艺术本质、掌握电影制作的技术手段、欣赏电影的视觉盛宴提供了宝贵的参考和借鉴。
作为一部深度探讨电影艺术与视觉表现的权威之作，本书既是对过去几十年电影发展历程的回顾和总结，也是对未来电影艺术发展的展望和启示。让我们一同走进电影的世界，探寻其深藏的奥秘，感受其无尽的魅力，共同开启一部部引人入胜的视觉盛宴。
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
当地时间6月3日，第79届联合国大会第73次全体会议选举刚果民主共和国（简称刚果（金））、利比里亚、巴林、哥伦比亚和拉脱维亚为安理会非常任理事国，任期从2026年1月1日开始，为期两年。它们将接替于2025年底任期届满的五个非常任理事国阿尔及利亚、圭亚那、韩国、塞拉利昂和斯洛文尼亚。
安理会非常任理事国由联合国大会通过无记名投票方式选举产生，候选国需获得联大总投票数至少三分之二才能当选。非常任理事国席位按地区分配，非洲3个；亚太、拉美和加勒比、西欧和其他地区各2个；东欧1个。