绽放青春的传媒学府：花季传媒大学探索多元融合的艺术与知识之旅，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俄侦查委员会：桥梁被炸事件定性为“恐怖袭击”总台古装大剧《藏海传》正在总台央视热播，掀起大陆观剧热潮的同时，也一路火到台湾。连日来，台湾媒体争相报道，岛内时事评论员主动推荐，许多台湾网友一边看剧一边在“看台海”海外平台留言板热烈互动、点赞。有岛内剧迷称赞，“总台出品，必属精品！”
以花季传媒大学为载体，一场跨越时空、跨越地域的多元融合艺术与知识之旅在此悄然展开。这所传媒学府如同璀璨的花朵，绽放在祖国东南沿海的一隅，以独特的魅力吸引着来自世界各地的学生，共同在这个充满活力和创新的校园中寻觅着属于自己的青春轨迹。
传媒学府的特色在于其对多元艺术与知识的深度探索和广泛融入。作为一所年轻的大学，花季传媒大学致力于构建一个包容性极强的学习环境，鼓励学生在学习传统新闻传播、影视制作、广告策划等专业的积极探索新媒体传播、数字营销、影视剧本创作等新兴领域。这种“交叉学科”的教学理念既培养了学生的理论素养，又增强了他们的实践操作能力，使他们在不同领域的交流与碰撞中汲取新知，形成全面的知识体系。
在此过程中，学校注重激发学生的创新精神和团队协作能力。学校举办各类创意活动如文化节、辩论赛、摄影比赛等，鼓励学生们发挥各自优势，通过团队合作，提升自我解决问题的能力。学校还定期邀请业界专家和成功人士进行讲座或研讨会，传授他们丰富的实践经验，帮助学生开阔视野，拓宽思路，为未来的职业发展奠定坚实的基础。
花季传媒大学不仅重视学术研究，更注重学生的实践体验和社会服务。学校设有实习基地，与多家知名企事业单位建立合作关系，让学生深入企业一线，参与实际项目，了解行业动态，提高就业竞争力。学校积极参与社会公益活动，组织学生前往贫困地区支教，用实际行动回报社会，弘扬优秀传统文化。
在这里，每一位学子都成为一朵朵盛开的鲜花，每一朵鲜花都承载着青春的梦想和追求。在这里，他们既可以沉浸在传统的新闻传播之中，也可以投身于新兴的数字营销和影视剧本创作之中；既可以独自一人独立思考，也可以与志同道合的同学共享智慧和灵感。
花季传媒大学，就像一座繁华都市中的瑰宝，以其独特的精神风貌和深厚的文化底蕴，吸引了无数青年学子的目光。这里，他们播种梦想，收获希望，用青春的热情和汗水浇灌出斑斓的艺术之花和知识的繁星，演绎出一幅幅生动、富有创意的传媒学府画卷。
这就是我们心中的花季传媒大学，一个多元融合、充满创新活力的地方，一个绽放青春、寻找真理的传媒学府。在这里，我们将共同见证这个充满色彩与活力的媒体学府，一起挥洒青春的汗水，书写属于我们的时代印记，让传媒学府在青春的旋律中散发出更加夺目的光彩。
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
中新社莫斯科6月3日电 俄罗斯侦查委员会3日表示，该委员会将5月31日至6月1日发生在布良斯克州和库尔斯克州的桥梁被炸事件定性为“恐怖袭击”，此次事件是恐怖分子受乌克兰方面指使所为。
据俄侦查委员会官网消息，该恐袭事件造成7人死亡，包括儿童在内的113人接受医疗救助，并导致经过相关路段的客运列车、货运列车和检测列车脱轨。
消息称，该委员会侦查总局在初步调查中缴获了爆炸装置部件及其他物证，并对目击者、受害者及铁路公司员工进行了询问。恐怖分子受乌克兰方面指使，精心策划了一切，意图将数百名平民置于其袭击之下。
俄侦查委员会表示，将在俄联邦安全局和内务部的行动支持下，查明事件组织者和实施者，并将其绳之以法。