探秘：窥探至深的精品之谜——揭秘精品偷窥的科学与艺术魅力，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北约年度大规模军演在拉脱维亚启动包车出行适合家庭游或朋友结伴。6人包车费用约600元，当天往返人均100元左右，隔天往返会多200元左右。重点来了：要选本地司机，外地师傅只会背导游词。有些强制要看演出和吃饭。
以下是关于"探秘：窥探至深的精品之谜——揭秘精品偷窥的科学与艺术魅力"的文章：
在众多的艺术品和收藏领域中，一种独特且充满神秘色彩的现象——精品偷窥，一直吸引着人们的目光。这种现象不仅涉及到艺术品的创作过程和制造技术，更关乎到创作者对美、对人性的理解以及对社会文化环境的独特把握。
从科学角度来看，精品偷窥涉及一系列复杂的技术和工艺流程。精品的制作过程中，设计师们会精心构思、设计，将各种元素巧妙融合在一起，以达到预期的视觉效果。在这个过程中，设计师不仅要运用到美学理论知识，如对比、平衡、层次等，还需要掌握精密的机械构造原理，如金属加工、木材雕刻、陶瓷烧制等等。由于艺术品通常由珍贵材料制成，其生产过程往往需要高度保密和严谨的管理制度，这使得偷窥成为了一种极具挑战性的科研课题。
在艺术魅力的另一面，精品偷窥又具有独特的科学研究价值。许多精品因其独特的造型、材质、色泽、纹饰等因素，反映出艺术家个人的情感体验和社会背景。通过观察这些艺术品，科学家可以深入了解艺术家的心理状态、生活经历、审美观念等方面的信息。例如，通过对艺术品的解剖分析，科学家可以揭示艺术家的创作风格、个性特征、心理矛盾等深层次信息；通过研究艺术品所处的时代背景、社会风气、宗教信仰等外部因素，科学家可以从宏观层面理解艺术品的价值和意义。
精品偷窥还体现出艺术家对社会文化的独特视角和创新精神。艺术品不仅仅是艺术作品本身，更是反映社会变迁、文化思潮的重要载体。通过对艺术品的研究，科学家可以了解到特定时期的社会风貌、人们的精神追求、社会价值观等重要信息，进而从历史的角度解读艺术品背后的深层含义。例如，通过对古代瓷器的鉴赏，科学家可以理解中国传统文化中的尊老爱幼、崇尚节俭的儒家思想，以此来探讨中国古代社会的伦理道德观和民众的生活态度。
精品偷窥既体现了科技的进步和艺术的精湛，也彰显了科学家们的学术探索能力和社会洞察力。它既是艺术界的瑰宝，也是科学研究的前沿阵地，为我们提供了一条揭示艺术品背后隐藏的秘密线索，有助于我们更好地理解和欣赏艺术品的魅力，同时也为我们的社会科学研究提供了鲜活的历史素材和深刻的哲学思考。无论从科学还是艺术的角度看，精品偷窥都是一项富有魅力和深度的研究项目，值得我们深入探究和发扬光大。
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
新华社里加6月5日电（记者陈玉芬）据拉脱维亚通讯社5日报道，北约在波罗的海地区的年度大规模军事演习“波罗的海行动-2025”当天在拉脱维亚启动，将持续至20日。
报道说，此次演习目的是促进北约盟国相互合作，加强利用各类部队的快速反应能力，并展示北约对地区稳定的承诺和保卫波罗的海地区的准备情况。此次演习将涵盖无人系统操作训练、医疗后送、防空、海上拦截、反潜、水雷对抗以及空降作战和工程等方面。
另据美军日前发布的新闻公告，来自16个北约国家的40多艘舰艇、25架飞机和约9000名军人参加此次演习。参与国家包括丹麦、爱沙尼亚、芬兰、法国、德国、意大利、拉脱维亚、立陶宛、荷兰、挪威、波兰、葡萄牙、瑞典、土耳其、英国和美国。