重大发现!波多结野团队无线技术取得新突破，原创 又被打脸？马柳克策划1.1吨TNT炸克里米亚大桥，俄为何一直被渗透看似无害的提问，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小说就是如此波澜不惊地叙述着，此时的茗烟会得意洋洋，以为他终于为主子了却了心事，读者似乎也对小说卖的心事的关子不再予以强烈的关注，因为他的心事无非是一腔闲愁而已，而且又因为读了那些被当时视之为“诲淫诲盗”小说而恢复了快乐的常态，充其量不过是他所谓的“叛逆”性格的又一注脚。
在近日举行的波多结野学术研究会上，一场备受瞩目的重大科技突破震撼整个科学界。作为全球顶尖的无线技术研究中心之一，该团队在这个创新里程碑中再次展示了其对无线通信领域的卓越贡献。
波多结野团队以尖端技术和丰富经验为基础，致力于研发新型无线通信技术。他们在最新的研究成果中，首次实现了将卫星信号直接转化为微波信号并覆盖地面的远程通讯模式——“卫星-地面超宽带双向传输”。这一突破性的设计解决了传统无线通信方式中存在的效率低下和数据传输受限问题，为构建高带宽、广覆盖的网络环境提供了可能性。
具体而言，他们通过将卫星通信信号转换为微波信号后，利用微波传输路径上的极高频率特性（即毫米波），实现了将地面高速数据传输至卫星。这种远距离的数据传输速率显著提高，达到了传统电磁波通信的数十倍甚至百倍，能够满足各类远程通信场景的需求，包括物联网设备与云端服务器之间的实时通信、大型数据中心对关键业务流程的支持以及军事和民用领域的信息传递等重要领域。
这一突破不仅标志着无线技术向前迈进了一大步，也为未来大规模、高密度、低延迟的无线网络铺平了道路。它不仅提升了通信系统的性能和可靠性，也为推动互联网产业的发展、改善人与人、物、信息间的互联互通提供了新的可能。正如波多结野团队负责人所言：“这是一项具有革命意义的重大成果，有望开启新一代无线通信的新纪元。”这是科研工作者们厚积薄发、勇于创新的结果，也是我国乃至国际无线通信领域的重要里程碑。
乌克兰三炸克里米亚大桥，俄军防线为何屡屡破防？
俄罗斯境内连续三天响起的爆炸声，彻底撕开了现代战争最残酷的真相。
乌克兰特种部队6月1日突袭俄军三个空军基地，41架战略轰炸机集体报废。
没等俄罗斯喘过气，6月3日克里米亚大桥第三次被炸断，1.1吨炸药在水下支撑柱成功引爆。
当全世界都在盯着无人机导弹互轰的时候，乌克兰用最原始的特工渗透，给俄罗斯上了血淋淋的一课。
前两次炸桥还停留在桥面爆破层面，这次直接潜入水下玩起了"掏心战术"。
大桥支撑柱被炸得七零八落，修复难度堪比重建。
更离谱的是，俄军安全局接管大桥安保整整一年，却让乌克兰特工带着半吨炸药摸到了核心位置。
距离前线4000公里的空军基地被无人机偷袭，号称铜墙铁壁的克里米亚大桥防不住潜水特工，这套连招打得俄罗斯彻底懵圈。
都说现代战争拼的是高科技，乌克兰偏用上世纪特工手段，把俄罗斯价值百亿的军事设施当靶子打。
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