揭秘隐藏在「Huluwa葫芦」之中的神秘福利：兑换码带你获取千万好礼！，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上海医药(02607.HK)股东将股票由香港上海汇丰银行转入花旗银行 转仓市值6.83亿港元在其它配置方面，一加Ace 5 至尊系列均提供了低功耗蓝牙5.4，提供全功能NFC，红外遥控也能用。总之是能有备无患，你可能暂时用不到这些功能，但想用的时候不会让大家望而兴叹。
以下是有关隐藏在「Huluwa葫芦」之中的神秘福利：兑换码带你获取千万好礼的揭秘：
「Huluwa葫芦」是一款备受赞誉的动漫主题游戏，其独特的角色设定、精致的画面和丰富的剧情吸引了大量玩家。为了进一步丰富游戏体验，近期我们推出了一项名为“兑换码”的特殊福利活动，让玩家能够以更实惠的价格获取到超值的游戏内容和奖励。
让我们简单回顾一下什么是「兑换码」。兑换码通常是由游戏公司制作并分发给玩家的特殊代码或密钥，通过这些代码或密钥，玩家可以在游戏商店中购买各种稀有物品、解锁新关卡或者获得游戏内特定的功能使用权限等。这种方式大大降低了玩家在购买普通商品时需要支付的费用，而且可以避免因一次性购买过多而造成的浪费。
如何通过「兑换码」获取到这款神秘福利呢？以下是一些详细的步骤：
1. 下载游戏：你需要从官方网站或其他官方渠道下载「Huluwa葫芦」游戏，并完成注册登录。
2. 注册账号：在游戏主页面点击右上角的“注册”按钮，然后按照提示输入手机号、邮箱地址等基本信息进行注册。记得设置一个密码，以便后续在游戏中使用。
3. 创建账户：注册完成后，进入游戏主界面，你会看到一系列创建账户的选项，包括免费用户、付费用户和VIP会员等。请选择适合你的付费类型，并按照提示填写个人信息，如姓名、性别、年龄等。
4. 检查账户余额：在登录成功后，你可以查看当前账户的余额情况。一旦确定有足够的「兑换码」用于兑换奖励，就可以点击屏幕下方的“开始兑换”按钮。
5. 输入兑换码：在「兑换码」页面，找到你想要兑换的奖品对应的链接，点击该链接后，选择“输入兑换码”环节。此时，系统将显示一个包含兑换码的文本框，你需要在其中准确输入相应的「兑换码」。
6. 确认兑换：输入完兑换码后，再次确认信息无误后，点击屏幕下方的“兑换”按钮。这时，游戏内的虚拟货币「Huluwa葫芦」将会自动转移到你的账户中，成为可用于领取奖品的货币。
7. 享用福利：一旦你的账户中积攒了足够的「兑换码」，就可以在游戏商店中浏览并购买各类奖品，包括但不限于稀有角色服装、技能书、装备、道具等，这些都是你在游戏中不可或缺的重要资源。
在这个活动中，「兑换码」作为一种特殊的优惠方式，旨在帮助玩家节省开支，提高游戏的乐趣和成就感。它不仅是对玩家付出辛勤努力的一种回报，也是我们精心策划的一次深度回馈和策略调整，旨在吸引更多玩家关注「Huluwa葫芦」，进而提升其品牌影响力和市场份额。我们期待每一位玩家都能通过这次活动享受到这份丰厚的福利，共同创造属于我们的「Huluwa葫芦」神话！
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
香港联交所最新资料显示，6月3日，上海医药(02607.HK)股东将股票由香港上海汇丰银行转入花旗银行，转仓市值6.83亿港元，占比6.46%。
投行对该股的评级以优于大市为主，近90天内共有2家投行给出优于大市评级，近90天的目标均价为13.73港元。海通国际证券集团有限公司最新一份研报给予上海医药优于大市评级，目标价13.73港元。
机构评级详情见下表：
上海医药港股市值105.69亿港元，在医药商业Ⅱ行业中排名第2。主要指标见下表：