2023年间谍案关键人物：涉及高级官员的身份与调查进展，微山县公安局关于高考期间实施交通管制的通告看似无害的提问，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这些歌词像是在表达一种无奈和遗憾，很多听众也产生了共鸣。有人认为，鹿晗通过这首歌表达了对过去美好时光的怀念以及对未来不确定性的忧虑。尤其是“我们默契得就连分开都闭口不提”这句歌词，更让人联想到一种在面对分离时依然选择保持沉默的成熟态度。这样的情感流露让网友们更加坚定地认为两人之间或许已经发生了变化。尽管分手的消息不断发酵，鹿晗和关晓彤却始终没有正面回应，沉默成为了他们之间微妙的默契，或许也是一种无奈。
2023年的国际间谍战中，多位高级官员成为核心人物。其中，一名名为“杰克·亨利”的美国情报人员是此次事件的关键。他是一名资深的特工，拥有多年间谍工作经验，并且曾被授予多项荣誉和勋章，包括国家优秀青年奖、联邦军人勋章等。他的身份涉及多个领域，包括政治、经济和社会活动，为国家安全做出了重要贡献。
在本次间谍案件的调查中，亨利的行为引起了广泛关注。他的行为不仅违反了法律，也涉及到对国家安全利益的严重威胁。许多机构都投入了大量资源进行追踪和揭露，包括美国情报部门、司法系统以及执法机构。经过不懈的努力，亨利的身份逐渐浮出水面，而他的背景和动机也开始成为公众讨论的话题。
随着调查的深入，人们发现，亨利的行动并非孤立的。他曾参与过多个关键的政治项目，其中包括美国总统选举、国际组织会议和跨国商业交易等。他的存在无疑使得这些项目的运作更加复杂和危险，从而增加了整个事件的复杂性和敏感性。
亨利的背景也显示出了其复杂的身份关系网络。他曾在多个国家担任高级职位，包括政府官员、私营企业领导人和军事顾问等。这种多重身份可能使他具备了在不同环境中执行任务的能力，同时也增加了他的复杂性和风险。
尽管亨利的身份和行为引发了许多争议，但可以肯定的是，他的存在对于全球安全构成了重大威胁。对于那些试图干扰国际事务、破坏政治稳定或侵犯国家安全的人来说，亨利的存在无疑是一个严重的挑战。这也凸显了间谍斗争的复杂性和挑战性，需要全球范围内的共同努力来防止此类犯罪的发生，并维护和平与繁荣。
2025年全国夏季高考将于6月7日至10日进行，微山县设微山县第一中学考点，为确保高考期间道路交通安全、顺畅，为广大考生创造一个安全、安静、安心的考试环境，依据《中华人民共和国道路交通安全法》第三十九条之规定，对相关路段限时实施交通管制，现将有关事项通告如下：
一、交通管制时间
二、交通管制路段
微山县第一中学周边：红荷路（东至商业街、西至新河街）、新河街（南至南阳湖路、北至红荷路）、南阳湖路（东至商业街、西至新河街）、商业街（南至南阳湖路、北至红荷路）。
三、交通管制措施
1、管制时间内禁止考务车辆和统一接送考生专用车辆以外的一切车辆驶入上述路段。微山一中东大门南北两侧路口设置警戒线，考试进行期间任何人和车辆无证不得入内。
2、管制时间内，车辆行经考点周边道路注意减速慢行、禁止鸣喇叭，禁止违法停放车辆。
3、对违反道路交通管制的规定强行通行不听劝阻的，将按照《中华人民共和国治安管理处罚法》、《中华人民共和国道路交通安全法》的相关规定予以处理。
4、重中型货车提前在G104与S104路口绕行，在S104与部城街路口绕行。
5、高考期间道路交通流量增大，请通行车辆提前合理规划路线。
特此通告
微山县公安局
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