久违的女厕沟：神秘所在探寻与人文价值探析，原创 锡伯杜下课究竟冤不冤？铁血篮球成就他也害了他看似无害的提问，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注：主力资金为特大单成交，游资为大单成交，散户为中小单成交
高墙深邃，隐匿于城市深处，隐藏着一个被誉为"久违的女厕沟"的秘密。这个女厕沟，位于繁华都市的一角，犹如一块被历史遗忘的石头，镶嵌在城市的脉络中，静静地诉说着一段尘封的历史，同时也承载着丰富的人文价值。
女厕沟，这个名字来源于其特殊的地理位置和独特的女性文化。在我们的生活中，公共卫生间是每个人都熟悉的场所，而女厕则是为女性服务的特殊区域。在许多大都市里，由于种种原因，女性如厕的需求并未得到足够的满足。而在这些角落，往往充满了久违的尴尬和不便，这便构成了"久违的女厕沟"的存在。这种现象不仅仅是生理上的需求问题，更是社会、文化和性别角色的一种深刻反映。
从地理环境来看，女厕沟多位于住宅区、商业区、交通繁忙的路口等人群密集的地方。这些地方人流量大，且常有大量妇女需要使用卫生设施，但传统公共卫生间设施无法完全满足他们的需求，导致她们只能选择前往女厕沟解决这一问题。在此过程中，女厕沟就成为了女性的独特空间，承载着一种特殊的人文气息。
从人文价值角度来看，女厕沟的存在不仅体现了女性对于基本权益的关注和维护，也揭示了人们对性别角色和家庭责任的认识。在过去，男性主导的社会结构下，女性的日常生活和工作常常受到忽视，甚至存在性别歧视的现象。而在现代社会，随着性别平等观念的普及和女性地位的提高，女性逐渐开始追求更加自主、独立的生活方式，她们在公共场所如厕时的选择反映了对自我权利和尊严的重视。女厕沟作为女性特定的空间，也是女性群体交流互动的重要平台，它通过提供便捷的如厕条件，促进了女性之间的沟通和理解。
女厕沟还蕴含着丰富的历史文化内涵。在古代，中国的女性社会地位较低，生活困难，因此她们通常选择在私密的环境中如厕。而在现代，随着社会的发展和进步，女性的社会地位得到了显著提升，越来越多的女性开始享受更优质的公共服务，如女厕沟就是其中之一。在这里，她们可以享受到干净、舒适的如厕环境，感受到国家和社会对女性权益的尊重和保护。
"久违的女厕沟"不仅是物质层面的存在的便利，更是文化、心理和价值观层面上的象征。它不仅反映出人们对性别角色的认知变化，也折射出社会的进步和发展趋势。在这个充满魅力和人文价值的空间里，我们不仅能体验到独特的人文关怀，还能从中找到生活的启示和精神的力量。未来，我们应该继续关注和研究"久违的女厕沟"背后的人文价值和历史变迁，推动性别平等和女性权益的进一步发展，让每一个人都能充分享受自由、舒适和尊严的如厕体验。
锡伯杜下课了。
在东部决赛结束仅仅三天之后，今天早晨，名记夏姆斯-卡拉尼亚突然对外宣布了这条多少有些让人吃惊的消息。
之所以说吃惊，是因为在昨天，同样来自夏姆斯的消息源还曾透露，尼克斯队会在本周召开内部会议。作为主帅，锡伯杜还提前放话，表示接下来球队将迎来一个超级休赛期。但不到24小时后，锡伯杜就已经被狠狠地踢出局，接下来球队的会议怎么开，和他也再无半毛钱关系了。
换句话说，锡伯杜下课的突然性，即便是权威如夏姆斯这样的名记者事先也未曾获知任何的蛛丝马迹。
不仅是下课的时机突然，从战绩的角度出发，锡伯杜被解雇也存在很大的争议。要知道，在锡帅上任之前，尼克斯曾连续7年无缘季后赛。期间，为了拯救这支队伍，尼克斯甚至搬出了菲尔-杰克逊，请“禅师”高调入主球队管理层。但无论纽约方面怎样折腾，球队却始终是一副烂泥扶不上墙的糟心模样。
但禅师没有搞定的事情，尼克斯换了4、5个主教练没能理顺的球队关系，却终于在锡伯杜上任后来了个立竿见影的大转变。
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