日本与韩国：交织的四重国界：从一区到二区，详述神秘的地理差异与文化交融，原创 24小时内两大战将被杀，纳萨尔游击队又迎来当头重创，印军竟胜了看似无害的提问，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检察官指控马拉多纳医疗团队的两名负责人以及其他五名医疗专业人员犯有过失杀人罪。
标题：日本、韩国与东亚的深度交织：地理差异与文化交融
在日本和韩国这两个亚洲国家之间，有一条独特的地理线将它们紧密相连。这条线穿越了日本列岛的核心区域，包括本州、北海道、九州、四国和九州岛，以及朝鲜半岛上的首尔。这个跨越东西半球的四重国界被称为“东方三岛”，它不仅展现了日本和韩国的自然景观和人文风情，更揭示了这些国家在地理、历史和文化上的深刻交织。
从地理位置上看，日本位于东半球太平洋西岸，而韩国则位于中国的东部海域，两国的距离大约为16,451公里，南北跨度为2,393公里。这种地域上的差异导致了两个国家的文化、语言和生活习惯的巨大差异。日本的地理位置靠近中国，受中国文化影响深远，形成了日本的传统文化中强烈模仿和借鉴中国文化的特点，如传统建筑风格、节日庆典、饮食习惯等；而韩国则处于中国东北部，其文化的形成深受中国古代儒家文化和佛教的影响，如礼仪、哲学思想、服饰习俗等。
日本和韩国的历史渊源也是他们地理差异的重要体现。日本作为一个古代的岛国，其领土曾先后属于中国、朝鲜和俄罗斯等多个国家，因此其历史可追溯至公元前3世纪左右的古华夏文明。在这漫长的历史长河中，日本通过对外扩张和民族融合，逐步形成了自己的文化和风俗习惯。与此相比，韩国作为大陆型的国家，其历史主要被分为三国时代（公元372-27 BCE）、南北朝时期（公元475-598）和唐朝时期的东亚地区，并在后世经历了多次分裂和统一，这使得韩国的文化发展呈现出复杂多元的特点。
日本与韩国的文化交融也是他们地理差异的一个重要方面。在地理上，日本和韩国都拥有丰富的海洋资源，尤其是日本的北海道和韩国的济州岛等地，都有丰富的渔业资源和美丽的海滨风光。在文化交流上，尽管两国同属东亚，但由于地理因素和历史背景的不同，两国之间的文化交流却有着显著的差异。例如，日本的文化中融入了大量的外来元素，比如来自欧洲的建筑风格、艺术形式和社会习俗，而韩国的文化中则更多地吸收了中华文化的精髓，如传统的书法、绘画、音乐和舞蹈等。
日本和韩国作为东亚地区的一对相邻国家，他们的地理差异和文化交融使他们的国家面貌丰富多彩。从一区到二区，地理上的界限并不清晰，而是象征着两国历史、文化和自然环境的交错和交融。这种交织的地理特征和复杂的文化背景，既体现了日本和韩国的本土特色，也展示了人类社会在全球化进程中的多样性和复杂性。在未来的发展中，随着两国经济合作的深化和文化交流的加强，他们将进一步促进各自国家的繁荣和发展，共同塑造更加美好的东亚世界。
印度国内一直存在独立自主的纳萨尔游击队力量，自建立起就遭到印军的清剿，至今也没能解决。只是最近形势似乎对印度方面有利。根据印度媒体《印度国防研究》在2025年6月7日的报道，在24小时内，纳萨尔游击队两大战将被杀。
2025年6月5日，印度纳萨尔游击队的一把手，总司令南巴拉·凯沙瓦·拉奥在一次激烈的交火中被打死，他的尸体被印度安全部队找到，这本身对于纳萨尔游击队就是一次重创，实际上更大的损失随后继续出现。
总司令南巴拉·凯沙瓦·拉奥被印军打死
当地时间2025年6月6日，印度纳萨尔游击队中央委员会委员，高塔姆·苏达卡尔，在恰蒂斯加尔邦森林，被印度安全部队击杀。据称他是遭到了印度纳萨尔游击队的叛徒出卖，再被精确包围，最后的抵抗无效后被击杀。
高塔姆·苏达卡尔也被打死
当地时间2025年6月7日，印度纳萨尔游击队高级指挥官，也是其中央秘书，迈拉拉普·阿德鲁被印度军队击打死，他临死的时候，还手持AK-47步枪，与围攻的印度军队厮杀。
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