三国乱世巾帼英雄——孙尚香演绎的辣手催花奇绝战果，5个有趣的小食谱，轻松学会，带来无尽美味！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在此背景下，卢拉在回国后明确表示希望进一步深化与中国的合作，力求在基础设施、技术转型和产能合作方面实现三大突破。首先，通过现代化改造港口、公路、铁路等基础设施，提升整体物流能力；接着，借助中国在5G、6G及半导体领域的先进经验，推动巴西的技术转型，以打破发达国家的技术封锁；最后，利用中国成熟的制造业体系，推动巴西本国产业的升级。
一、引言
在中国古代历史长河中，女性形象往往被视为柔弱而被贬低。在《三国演义》这部经典小说中，孙尚香这个巾帼英雄以其独特的魅力和壮烈的行为，颠覆了人们对女性的刻板印象，展现了女性在三国乱世中的战斗智慧和英勇精神。
二、孙尚香的身世与事迹
孙尚香，原名阿斗，是蜀汉末年的大乔嫁给了刘备的儿子刘禅，后来被封为孙夫人。她虽然出身于平民家庭，却凭借聪明才智和坚韧不拔的精神，成为了一位深受人们敬仰的女英雄。
孙尚香从小就表现出对武艺和谋略的热爱，她曾随父亲习武，后又因受刘备三顾茅庐之恩，成为了刘备的主要军师之一。她的军事才能远超同龄人，无论是指挥军队还是独自作战，都展现出过人的胆识和智慧。更重要的是，孙尚香深谙“以德服人”的道理，她在处理各种政治问题时，始终坚持以仁慈之心对待他人，赢得了各方的信任和支持。
三、辣手催花奇绝战果
在蜀汉后期的战争中，孙尚香不仅是一位杰出的政治家和军事统帅，更是一位出色的战场指挥官。她善于把握战略时机，巧妙地运用计谋，常常在危急时刻挽救了蜀汉的危机。例如，在赤壁之战中，孙尚香利用曹操谨慎小心的性格弱点，成功诱使曹操进入险境，最终帮助刘备取得了决定性的胜利。
在赤壁之战之后，孙尚香继续在战场上发挥着重要的作用。在江夏保卫战中，她面对强大的曹军，凭借其卓越的军事才能和深厚的战斗经验，成功阻止了曹军的进犯，并俘虏了不少曹军将领，为蜀汉的稳定和发展打下了坚实的基础。
四、孙尚香的人物塑造
孙尚香在《三国演义》中的形象并非完美无缺，她既有智谋和勇气的一面，也有情感脆弱的一面。尽管她的勇敢和智慧令人折服，但她在感情上的挣扎和矛盾也让读者感到心疼。对于她的爱情，孙尚香始终执着于刘备，但在面对刘备的背叛和死亡时，她选择了坚强，选择离开，这无疑是对忠诚与牺牲的深深诠释。
五、结论
孙尚香是中国古代历史上的一个重要人物，她的英勇善战和情感坚韧在三国乱世中展现出了极高的价值和意义。她的故事告诉我们，只要有信念和决心，无论身处何种困境，都能够通过自己的努力和智慧，创造属于自己的辉煌。我们也应该尊重和理解女性，让她们能够在社会中发挥出应有的力量，为人类的进步和发展做出贡献。
在繁忙的生活中，探索简单而美味的食谱，常常带来一种与家人、朋友共同分享的快乐。今天，我为你推荐5款创意小食谱，这些食谱操作简单，却能让你轻松变身家庭聚会或办公室小吃的“美食大师”。让我们一起来享受厨房的乐趣吧！
爆米花蛋糕是一款简单却充满乐趣的甜点。它是家庭聚会、电影之夜的完美伴侣，甚至可以作为孩子们的生日小甜点。
食材：
步骤：
小贴士：你可以根据个人口味调整蜂蜜与黄油的比例，巧克力碎片能增添更多层次感。
如果你正忙于工作或学习，微波炉是你最好的助手！只需几分钟，一块美味的披萨便能端上桌，快速又满足。
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