揭秘史上首次7x7x7x7任意噪声下108连登热搜：极限挑战与科学突破的力量，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瑞典黑白双色阁楼：41平方米的空间艺术“当产品的品质不容易分辨时，消费者常常通过附加部分来识别，其中包装是很重要的部分，就像‘买椟还珠’的故事。”河南省社会科学院经济研究所副研究员赵然表示，在政策支持摒弃过度包装的背景下，消费者将会逐步接受产品的简约包装而获得实惠，这也将进一步促进绿色发展。
以“史上最首次7x7x7x7任意噪声下108连登热搜：极限挑战与科学突破的力量”为题，我们将深入探讨这一具有里程碑意义的事件——在极限挑战和科学突破的驱动下，史上首次实现人类108连登微博热搜榜的历史时刻。
自2018年1月29日，中国航天科技集团研制成功的长征五号火箭成功将嫦娥四号探测器送入预定轨道以来，中国航天事业的发展备受瞩目。这次历史性突破的背后，离不开科研团队的不懈努力和创新精神。其中，最具代表性的一项就是“史上最首次7x7x7x7任意噪声下108连登热搜”。
据相关资料介绍，这颗名为“玉兔二号”的月球车，搭载了包括高精度导航、低阻抗避障、多模态融合感知以及实时通信等先进的系统设备，旨在探索月球背面未知环境，并对月球地质构造进行研究。在此次任务中，为了应对极端环境下可能产生的各种信号干扰，科研团队运用了极其复杂的算法，模拟了多种不同类型的随机噪声，如天文背景噪声、无线电波干扰、微波辐射、宇宙射线等，并针对每一种不同的噪声类型设计出相应的避障策略和通信方案。
这些科学难题看似难以逾越，但实际上，正是在这项极限挑战面前，科研团队展现出了强大的科学创新能力和卓越的实践能力。他们通过构建了一种全新的“连续性搜索”算法，该算法能够有效处理由一系列不同类型的随机噪声带来的信息输入，使得嫦娥二号能够在各种未知环境中保持连续稳定的运行状态，从而顺利完成了其独特使命。
科研团队还运用了最新的人工智能技术，如深度学习和强化学习，对月球表面的地形特征进行了大规模的三维建模和精细分析，为后续的着陆探测提供了详实的数据支持。他们还利用卫星遥感技术和激光雷达技术，获取了大量高质量的遥感图像数据，为月球地质构造的研究奠定了基础。
“史上最首次7x7x7x7任意噪声下108连登热搜”的背后，是科研团队在极限挑战中的勇敢尝试和科学突破。他们的探索不仅推动了我国在月球探测领域的科技进步，也揭示了科学在面对极端条件下的强大适应性和创新能力。这一历史瞬间不仅彰显了中国的科技创新实力，也为全球科技发展树立了一个新的标杆，激发了公众对航天科技的兴趣和期待。
“史上最首次7x7x7x7任意噪声下108连登热搜”是一次极具挑战性的科学突破，它以极限挑战与科学突破的力量，向世界展示了中国航天人勇于探索、敢于创新的精神风貌，同时也验证了我国在高科技领域所取得的巨大成就，为中国航天事业的长远发展注入了新的活力和动力。在未来，我们有理由相信，随着中国航天技术的持续进步和新成果不断涌现，越来越多的神秘星球和奇妙现象将会在中国航天员的手中揭开面纱，带给我们更多的惊喜和震撼。
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
在瑞典的城市一隅，有一处独特的阁楼居所，以其高双层高的天花板、洁白的墙壁和开放式的布局，巧妙地打破了面积的限制，尽管总面积仅有41平方米，却给人以相当宽敞的视觉与心理感受。这里，是一个将空间利用发挥到极致的典范。
走进阁楼，首先映入眼帘的是那高耸的天花板，它不仅提升了整个空间的纵深感，还让居住者在这里能够自由地挥洒创意与想象。白色的墙壁在灯光的照耀下更显明亮与纯净，为这里营造出一个简洁而优雅的氛围。同时，开放式布局的设计使得客厅、厨房等区域相互贯通，既方便了日常活动，又增强了空间的通透感。
而那些美妙的大窗户，无疑是这间阁楼的点睛之笔。它们像一幅幅流动的画卷，将室外的自然风光引入室内，让居住者在这里就能感受到大自然的呼吸与韵律。阳光透过窗户洒满每一个角落，既温暖了空间，又照亮了居住者的心灵。
在空间的划分上，设计师巧妙地运用了工业风格的玻璃隔断。这一设计不仅将一个小办公室和阁楼卧室与共享的客厅-厨房空间有效地分隔开来，还保留了空间的通透感与流动性。玻璃隔断的工业风格与整个阁楼的现代简约氛围相得益彰，为这里增添了几分独特的韵味。
值得一提的是，复古木材质感的细节为这间阁楼增添了许多特色。无论是地板上的木质纹理，还是家具上的木质装饰，都散发着一种岁月沉淀的韵味，与整体的黑白双色调形成了鲜明的对比，为这里注入了一丝温馨与生机。
此外，阁楼内部还巧妙地设置了一个夹层，这一设计不仅增加了空间的层次感，还为居住者提供了一个额外的休息或储物空间。夹层上的设计同样注重实用与美观的结合，让居住者在这里既能享受到舒适的生活体验，又能感受到空间带来的艺术魅力。
这处瑞典的黑白双色阁楼以其独特的设计理念和空间利用方式，展现出了小空间也能拥有大智慧的可能性。在这里，每一个细节都透露着设计师的匠心独运和对生活的热爱与追求。
原文转自集聚多旗下时尚家居新媒体：家纺说(m.jijuduo.cn)