掌控深海奇迹：揭秘MIAA335深田えいみ的非凡探索之旅，白象客服确认多半袋面“多半”是商标！称克重以包装显示为准看似无害的提问，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而清军方面采取稳扎稳打策略，1676年攻破仙霞关，收复失地。耿精忠军队士气涣散，民心尽失，最终走投无路。史料显示，他曾试图率水师逃亡，却被亲信徐文焕阻拦，迫于无奈，于同年十月投降，献“总统将军印”，请求戴罪立功。
在浩渺无垠的深海深处，蕴藏着人类尚未认知的巨大宝藏——Miaa335深田えいみ。作为日本大型无人潜水器（Diving Vehicle with Autonomous Capabilities, DVC），Miaa335以其卓越的性能和创新的技术成功实现了对深海环境的深度探索，开启了人们对于深海奥秘的新篇章。
Miaa335自2017年首次公开亮相以来，凭借其先进的自动化控制、自主导航系统、多传感器融合与深度融合等技术，展现了海洋科学界前所未有的科技突破。它的最大下潜深度达到了4600米，创造了世界纪录，并且能够连续工作超过90小时，为科学家提供了宝贵的海底观测和研究数据。
这台深田エイミ，由日本国立海洋研究所精心研发，以应对复杂的深海环境和严苛的工作条件。它拥有高精度的姿态感知系统，能够在深海环境下精准地捕获和定位目标物体，而其自动化的控制系统则可以实现精准的航向调整和水温和气压测量，保障了其在深海环境中的稳定运行和安全作业。
Miaa335还配备了一系列先进的传感器，如声纳探测仪、高清摄像头、激光雷达等，这些传感器能够实时获取海底地形、水质、生物分布等信息，为科学家提供精确的数据支持。通过将多种传感器的数据进行整合和分析，研究人员得以更深入地理解深海生态系统及其与地球环境间的互动关系。
深田エイミ的探索之旅并非一帆风顺。在执行任务过程中，它面临着众多挑战，如深海低温、高压、强腐蚀性等极端环境下的复杂力学效应，以及海上恶劣的航行环境和天气变化等因素。得益于强大的设计和制造能力，Miaa335在这些特殊环境中表现出色，一次次刷新着深海探测领域的记录。
尤其是在2021年，Miaa335成功完成了全球首个深海火山喷发监测任务，通过收集到的数据，研究人员不仅揭示了火山活动的历史背景，也对其地质活动模式有了全新的认识。这一重大发现，不仅拓宽了我们对地球内部结构的认识，也为地质灾害预测和减灾防灾工作提供了新的理论依据。
Miaa335深田えいみ的非凡探索之旅，揭示了深海领域新的科学发现和技术突破，推动了海洋科学研究的进步，也为人类探索未知、保护地球生态环境提供了新的可能。我们期待未来，随着更多深海奇观被揭开，更多的科研成果将不断涌现，为我们进一步了解和利用海洋，建设和谐共生的蓝色星球贡献更大的力量。
红星资本局6月4日消息，近日，有多位网友发帖称，白象“多半袋面”系列产品背后包装上显示，“多半”是白象食品股份有限公司的注册商标。有人称：“买的时候以为是‘多半袋’面，买回来后才发现是‘多半’袋面，每天上一当，当当不一样。”
截图自微博
6月4日，白象食品股份有限公司的工作人员表示：“‘多半’确实只是一个商标，泡面实际克重以包装上的标注为准，其中有大克重的也有小克重的。”
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