铜雀三国·黄化之变：历史与文化交融的魅力揭示，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继《长安十二时辰》后曹盾马伯庸再携手，《长安的荔枝》增加全新人物线发言人称，中方注意到有关情况。5月12日，中美双方发布《中美日内瓦经贸会谈联合声明》后，中方按照联合声明达成的共识，取消或暂停了针对美“对等关税”采取的相关关税和非关税措施。中方本着负责任的态度，认真对待、严格落实、积极维护日内瓦经贸会谈共识。中方维护权益是坚定的，落实共识是诚信的。反观美方，在日内瓦经贸会谈后，陆续新增出台多项对华歧视性限制措施，包括发布AI芯片出口管制指南、停止对华芯片设计软件(EDA)销售、宣布撤销中国留学生签证等。这些做法严重违背两国元首1月17日通话共识，严重破坏日内瓦经贸会谈既有共识，严重损害中方正当权益。美单方面不断挑起新的经贸摩擦，加剧双边经贸关系的不确定性、不稳定性，不仅不反思自身，反而倒打一耙，无端指责中方违反共识，这严重背离事实。中方坚决拒绝无理指责。
"铜雀三国·黄化之变：历史与文化的交汇魅力揭示"——探究历史演变中的三国时期，铜雀城作为黄河流域的重要军事据点之一，在这片土地上见证着中国历史上的一段重要转折。随着时间的推移和自然环境的变化，铜雀城的历史面貌发生了深刻的变化。本文通过对这一时期的文献记载、考古发掘以及现代文化研究的深入剖析，揭示了铜雀三国时期的黄化现象及其背后的历史与文化交融的魅力。
从文献记录来看，黄化现象在铜雀城发生的原因主要在于黄河水系的频繁泛滥和干旱气候的加剧。古代文献中对黄化现象有较多描述，如《汉书·地理志》载：“西河郡铜雀县，自白帝以来，岁旱三年。”这段记载表明，随着黄河流域的水资源减少，铜雀城所在地区的农业生产受到严重影响，农田逐渐变成荒芜之地。黄化还与气候变化有关，干旱少雨导致植被枯萎，影响到生态环境的稳定和生物多样性的发展。
考古发掘则为我们提供了更为直观的历史证据。1984年，陕西扶风出土的铜雀台遗址，是目前所知最早的大型古战场遗址，其地面遗迹呈现出黄土被冲刷、土壤稀疏的黄化特征。通过对其遗址进行详细的地质分析和文物清理，我们了解到铜雀台地区曾经是中国北方重要的战略军事要地，其黄化现象反映了黄河流域战乱频发和自然灾害带来的生态破坏。
结合现代文化研究，黄化现象在铜雀三国时期的文化影响力也不容忽视。黄河流域是中国农耕文明的核心地带，黄化现象不仅影响了农业生产，也塑造了独特的地域文化特色。如古代诗词中有许多以黄化景象为题材的作品，如唐代诗人王之涣的《登鹳雀楼》：“白日依山尽，黄河入海流。欲穷千里目，更上一层楼。”这首诗描绘了黄河在夕阳下逐渐消失在天际线的情景，既表达了对自然壮丽景色的赞叹，也寓含了对黄土高原生态保护的忧虑。
“铜雀三国·黄化之变：历史与文化的交融魅力揭示”这篇论文通过文献资料、考古发掘和现代文化研究，全面展示了黄化现象在铜雀三国时期的历史背景、文化内涵和深远影响，揭示了历史变迁对生态环境和文化发展的影响，展现了中华民族坚韧不拔的精神风貌和对于保护和可持续发展的强烈责任感。
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
6月3日，电视剧《长安的荔枝》超前巡回观影会在北京举行，导演曹盾，原著作者、故事顾问马伯庸，主演公磊、冯嘉怡出席活动，与500余名观众一同尝鲜《长安的荔枝》精华片段。
该剧讲述了主人公李善德（雷佳音 饰）在同僚的欺骗下接下了“荔枝使”的身份，需从岭南运送新鲜荔枝到长安以贺贵妃生辰的“死亡”任务。荔枝“一日色变，两日香变，三日味变”，然而岭南距离长安五千余里。面临这样一个不可能完成的任务，为了保全女儿李秀儿的余生安全，李善德不得不前往岭南拼死一搏。在他抵达岭南后，却偶遇了为左相寻找右相敛财罪证的郑平安（岳云鹏饰），“郎舅”二人异乡相遇，却各自肩负着性命攸关的重任。
导演曹盾
活动现场，曹盾导演透露该剧的首要目标是最大限度地呈现原著精神内核，以主人公李善德的命运起伏为身处职场的人们带去深刻的共情与共鸣，而原著扎实有力的共情力，也带给了二度创作坚实的基石。同时，曹盾强调，中华文化绵延不绝，从未有过断裂，只要认真去聆听，古代与当下跨越千年的情感与智慧始终都在彼此映照。
原著作者马伯庸