甜蜜冒险：玩偶姐姐与糖心的梦幻糖果日记——记录神秘Vlog中的萌宠之舞与甜蜜瞬间，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原创 后妈好当！马筱梅送玥儿拉布布，顶流潮玩让全球富婆疯抢，太有心5月25日晚间，海光信息与中科曙光分别发布公告称，双方正在筹划由海光信息通过向中科曙光全体A股换股股东发行A股股票的方式换股吸收合并中科曙光，同时发行A股股票募集配套资金。
标题：甜蜜冒险：玩偶姐姐与糖心的梦幻糖果日记——记录神秘Vlog中的萌宠之舞与甜蜜瞬间
在一段神奇的梦境中，玩具姐姐和糖心共同开启了甜蜜冒险之旅。这是一段充满奇幻色彩的糖果日记，记录了她们在这个梦幻世界的冒险故事，同时也展现了这两个角色在萌宠世界中的精彩舞蹈以及那些让人心动的甜蜜时刻。
在一个春日的午后，阳光洒满了糖果公园里的每个角落，每一个角落都充满了活力和生机勃勃的气息。在糖果公主的指引下，我们来到了一个神秘的糖果游乐场。在这里，糖果姐姐带着一群可爱的糖果小精灵们翩翩起舞，他们的动作轻盈、柔美，仿佛是大自然中最活泼的小精灵在跳动着生命的旋律。他们时而旋转跳跃，如银铃般清脆；时而轻轻摇曳，似风拂柳絮，给这个梦幻的世界带来了无限的趣味和快乐。
当糖果小精灵们的舞蹈结束，一只名叫“巧克力”的神秘宠物出现在我们的视线里。巧克力是一只外表红艳如火、性格温顺的小狗，它的毛发如同巧克力豆的颜色，散发出诱人的光泽。巧克力的到来，给这个梦幻的世界增添了更多的神秘感和惊喜。他不仅为糖果公主表演了一段优美的舞蹈，还用它那忠诚的眼神和善良的心灵，带领糖果小精灵们开始了更加丰富多彩的冒险旅程。
接下来的几天，糖果小精灵们在巧克力的带领下，经历了各种奇异的冒险。他们飞过森林，穿过了幽深的洞穴，甚至攀爬到了高高的山脉。在这个过程中，他们遇到了各种各样的困难和挑战，但他们始终没有放弃，而是以团结协作的精神，用他们的智慧和勇气一一克服。每当他们成功地克服了一个难关，都会绽放出美丽的笑容，那种喜悦和满足就像糖果一样甜甜蜜蜜。
在这个过程中，糖果小精灵们也深深地体验到了友情的力量。他们的朋友们虽然来自不同的家庭和背景，但他们在面对困难和挑战时，彼此之间的信任和默契却像糖果一样粘稠。他们的笑声、泪水和争吵，都是那么的真实和珍贵，它们不仅丰富了我们的记忆，也让我们的友谊变得更加深厚和牢固。
糖果小精灵们和巧克力的冒险之旅终于画上了完美的句号。他们在神秘糖果乐园里留下了难忘的记忆，他们一起度过的每一刻，都像是童话故事中的甜蜜回忆。在这段旅程中，他们不仅收获了欢乐和成长，更收获了深厚的友谊和无尽的甜蜜。
这就是“甜蜜冒险：玩偶姐姐与糖心的梦幻糖果日记——记录神秘Vlog中的萌宠之舞与甜蜜瞬间”。在这个梦幻的世界里，糖果姐姐和她的朋友们以独特的魅力和真诚的情感，创造了属于自己的独特记忆和幸福时光。他们的冒险经历，就是一幅生动有趣的画卷，展现了糖果世界的美好与奇妙，也让我们感受到了生活的甜蜜和温馨。
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
都说“后妈难当”，想要真正走进孩子心里就更难了。但自从马筱梅和汪小菲结婚后，她对两个孩子的疼爱完全是肉眼可见。
还记得大S离世后，小玥儿初次公开露面时，马筱梅牵她过马路。当时小玥儿低着头，身子往后缩，小手轻搭在马筱梅掌心，隔着屏幕都能感受到她的局促不安。
可现在再看，小玥儿跟后妈马筱梅在一起时，脸上经常挂着笑容，甚至一起逛街像闺蜜一样，打打闹闹都毫无隔阂，相处得轻松又自在。