神仙姐姐神秘面纱：何仙姑一肖一码全公开，揭秘她的神秘身份与传说故事，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乌克兰前总理当选俄罗斯科学院院士，拥有地质矿物学博士学位QR 码页面还附带保存和分享按钮，操作灵活便捷。此外，测试版还更新了群聊名称编辑方式，用铅笔图标按钮替代了原有的“Group name”选项，界面更加直观。
中国神话中的神仙姐姐，以其独特的外貌和神秘的身份吸引了无数人的关注。她的真实面目，正如古人所言，“一肖一码全公开”，让人对这位女仙的真身有了更深入的了解。本文将详细解析何仙姑的一肖一码，揭开其神秘的身份与传说故事。
何仙姑，又称为何碧玉、何道士等，是中国古代道教中的一位重要人物，被誉为"女仙之祖"，因其美貌绝伦，传说中有仙气飘逸，常穿着一件洁白无瑕的衣裙，头戴高高的帽子，手持一根长杖，行走于云端，被称为"神仙姐姐"。其形象在民间流传甚广，成为人们心中的神祇之一。
据史书记载，何仙姑出生在一个贫苦的家庭，父母早逝，她不得不独自面对生活的困苦。她并没有因此而消沉，反而通过修炼和修行，逐渐积累了一股强大的灵力。她凭借自己的智慧和勇气，用自己独特的方式融入了道教的信仰体系，成为了道教信徒中的佼佼者。
何仙姑的形象以仙气十足、神秘莫测著称，其脸庞上有一对明亮的眼睛，仿佛能洞察世间万物。她的肌肤如雪，白皙而光滑，透出一种令人着迷的清纯气质。她的头发乌黑浓密，如同瀑布般垂落，飘逸而柔顺，给人留下深刻的印象。她身穿白色长裙，裙摆轻盈飘逸，犹如云雾缭绕，给人一种超凡脱俗的感觉。
在道教的世界里，何仙姑被尊为女仙之祖，她的故事充满了神奇和传奇色彩。据传，何仙姑曾经遇到过一位名叫青城山主的人，他被她的美丽和才智所吸引，请求与她结拜为师。两人一起修道，历经艰辛，最终实现了法力大增，破晓天明，成为了神仙般的存在。他们共同经历了种种困难和挑战，他们的爱情得到了人们的敬仰和赞赏。
关于何仙姑的真实身份，历史上却流传了许多神秘的传说。其中最为人津津乐道的是关于她的炼丹术。据说，何仙姑会以纯净的药材和天然的草药进行炼丹，使得丹药具有强大的功效。这种炼丹术曾一度被视为神仙修炼的重要方式，许多修行者为了求得长生不老或者提升自身的能力，不惜投入大量的时间和精力去研究和实践这种技艺。
何仙姑还被认为有通灵的能力，能够感知外界的变化和人心的起伏。她常常通过梦境或直觉来传达信息给修行者，帮助他们找到解决问题的关键所在。这种能力在一些道教文献中得到了记载和描绘，如《封神演义》、《水浒传》等小说中的描述。
何仙姑作为中国神话中的神仙姐姐，以其独特的外貌和神秘的身份，吸引了众多读者的关注。她的传说故事充满了奇幻和浪漫的气息，展现了中国古代人们对美好生活的向往和对神秘力量的追求。随着历史的发展和社会的进步，我们对于何仙姑的真实身份和其背后的故事，也有了更为深刻的解读和探索。虽然我们仍然无法完全揭示她的神秘面纱，但她的传说和故事无疑为我们提供了一个鲜活而生动的中国文化元素，引领我们更加深入地理解和欣赏中国神话的魅力。
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
▲尼古拉·阿扎罗夫
据介绍，阿扎罗夫曾于2010年-2014年期间担任乌克兰总理。2014年年初，阿扎罗夫在抗议声中宣布辞职，后前往俄罗斯。俄罗斯科学院称，阿扎罗夫的专业是采矿科学，他撰写了100多篇科学论文，为地球科学学科的发展做出了重要贡献，也推动开发了更高效安全的矿石、钻石、煤炭和天然气开采技术。