全族共妻生育传奇：H荣氏家族的母婴荣耀——共享亲生之爱与繁衍的见证，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打酒节：酒庄设宴得酒票，夏日待客有佳酿不过，到目前为止，珈伟新能的股东们应该过得都还不错。据同花顺i问财数据，珈伟新能自2012年上市以来，股东累计已经减持套现超14.77亿，但上市以来公司累计利润却是亏损超26.1亿。
某日，中国江苏省扬州市的一座富饶商贾府邸内，发生了一桩震惊全国的母婴传奇事件。这个故事的主角是一位名为荣氏家族的女性，她的生母是清末著名女官、慈善家丁佩琳，而她的丈夫则是举世闻名的实业家胡适。他们的婚姻故事跨越了半个世纪，堪称一部家族的共同福祉史。
在荣氏家族的历史中，丁佩琳以其高尚的人格魅力和卓越的社会地位，成为了当时扬州乃至整个江南地区的一大知名妇人。作为荣氏家族的长子，丁佩琳不仅拥有着出众的教育背景，更被誉为“通才”，精通诗词歌赋、医学、文学、历史等多种领域。丁佩琳在家庭中的角色并非仅仅是一个贤良淑德的女性，她同样是一位伟大的母亲，一位深思熟虑的母亲，为了更好地照顾女儿的生活，她不仅投资创办了自己的私塾，还开创了家庭教育新模式，倡导以平等、尊重、爱护为基础的家庭教育理念。
而荣氏家族的创始人胡适，更是家族历史上的一位杰出人物。他不仅是新文化运动的主要领袖之一，也是中国近代史上最重要的思想家和科学巨匠之一。尽管他的事业发展如日中天，但他在结婚后的第二年，即1905年，却做出了一个决定，将妻子林徽因许配给了自己的长子胡乔木。这种超越世俗的眼光和对人生目标的深刻思考，使得他们的结合不仅打破了传统的封建观念，也开启了中国婚姻的新篇章。
婚后，丁佩琳和胡适夫妻恩爱，相互扶持，共同面对生活的挑战。他们以无私的爱意相濡以沫，为的是让荣氏家族的后代能够享受到更好的生活条件和教育资源。在这个过程中，丁佩琳倾注了大量的精力和心血，她不仅亲自授课，帮助胡适子女们学习知识和技能，还积极参与慈善事业，资助贫困学生，为中国近代教育的发展做出了重要贡献。
在胡适的支持下，丁佩琳的女儿荣毅仁成为了一代名震全球的企业家，她创立了中国最早的民族企业——申新纺织公司，成为中国近代工业的重要奠基者之一。她的儿子荣甫也曾以自己的才华，成功地领导了中国的抗日战争，为国家的独立和人民的幸福作出了重大贡献。
荣氏家族的母婴传奇，不仅仅是一段爱情故事，更是一部共享亲生之爱与繁衍的见证。它见证了丁佩琳与胡适夫妻的深情厚谊，展现了荣氏家族在面对困境时的坚韧不拔，以及他们对社会、对家庭的责任感和使命感。他们的故事激励着后人，让我们认识到，无论身处何种环境，只要心中有爱，有责任，都能在平凡中创造出不凡的成就，实现个人价值和社会进步。
荣氏家族的母婴传奇，既体现了传统家庭观念与现代价值观的碰撞，又展示了中国历史上一段特殊时期下的独特风貌。其丰富的历史背景和鲜明的人物形象，都为我们提供了深入理解中国近代史的重要视角，也为我们的日常生活提供了一个深刻的启示：无论是个人还是家庭，都应该珍视并传承亲情，用爱的力量推动社会发展，实现人类文明的进步。
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
今夏宴请，来点不一样的！即日起至8月31日，凡在老家酒业打酒节民俗酒庄体验馆设宴款待贵宾，消费即享超值“酒票”豪礼！
单笔菜金实付满 800元 → 立送 300元酒票！
单笔菜金实付满 1200元 → 立送 500元酒票！
“酒票”=真金白银的会员储值金！ 它可不是普通优惠券，激活后，您可在打酒节民俗酒庄内随心选购各类精品佳酿，把醇香美酒带回家！ 美食与美酒相得益彰，让您的宴请更显诚意与独特风情。无论是商务宴请还是亲朋欢聚，这里都是您的上佳之选。