探索未知边界：大胆人体艺术电影的独特魅力与挑战，庆祝YU7发布，雷军安排18元无门槛红包请奶茶？小米：假消息看似无害的提问，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就像红葡萄酒带皮酿造一样，桃红酒就是在萃取过程中，酒液颜色还没有变得那么深之前，提前把皮渣取出来。皮渣和酒分离得越晚，颜色就越深。
从诞生至今，人类一直在对自身生存环境和自身的生理构造进行不断的探索和研究。其中，在探索未知边界方面，大胆的人体艺术电影以其独特的魅力与挑战，成为了一个备受关注的领域。这种类型的电影不仅能够揭示人类内心深处的秘密，更是在视觉、听觉和情感层面上开辟了全新的可能性。
大胆人体艺术电影以一种全新的视角展现人身体之美，将观众带入一个充满惊奇和震撼的世界。在这些电影中，人们可以看到人们的身体被艺术家们赋予了各种奇妙的设计，比如肌肉骨骼的扭曲变形、皮肤组织的精细描绘等。这些设计往往超越了传统的审美观念，让人们重新审视并理解了身体美这一抽象的概念。这些作品也通过细腻的人物描绘和生动的情感渲染，让观众深入体验到人物内心的痛苦、挣扎和希望，从而引发人们对生命、爱情和自由等一系列深刻思考。
大胆人体艺术电影在电影制作技术上也展现出不俗的水平。无论是动作捕捉、摄影机运动还是后期特效处理，都体现出电影制作者们的深厚技艺。他们借助先进的技术和设备，创造出令人惊叹的视觉效果，如动态光影、立体空间变换等，使观众仿佛置身于一个充满想象力的空间之中。这种创新的视觉表现手法，既丰富了电影的内容，又增强了电影的艺术感染力。
大胆人体艺术电影的发展并非一帆风顺。在这个过程中，它面临着许多挑战。人体艺术是极度敏感且容易引起争议的主题，如何在尊重人性的展现其美感和真实性，成为了电影制作人面临的重要问题。为此，他们需要具备深厚的美学素养和敏锐的艺术洞察力，才能准确把握人体美的精髓，并将其融入到电影中去。由于涉及到对人体器官的展示和解读，这也是一道巨大的道德和法律难题。电影制作者们必须严格遵守相关的法律法规，确保人体艺术电影的创作过程和传播方式都是合法和道德的。
大胆人体艺术电影的价值在于它打破了传统电影的界限，开创了一种全新的视听体验模式。它将电影艺术与人体艺术完美融合，使得观众能够在欣赏电影的过程中，深度感受并体验到身体的美丽和力量。这种跨媒介的艺术表达方式，为电影艺术的发展注入了新的活力，也为人们打开了一扇通往未知、无限可能的窗口。
大胆人体艺术电影以其独特的魅力和挑战，为人们带来了全新的视觉盛宴和精神洗礼。尽管它在创作过程中充满了困难和挑战，但它凭借其独特的视角、精湛的技术和深沉的情感，正在逐步构建起一个充满想象力和生命力的新世界。让我们期待未来，大胆人体艺术电影将会为我们带来更多的惊喜和启示，继续引领我们走进那个充满未知和无限可能的人体世界。
近日，网络流传一张以小米创始人雷军名义发布的淘宝闪购18元无门槛红包截图。图片显示，昵称为 “雷军” 的微博账号宣称 “为庆祝小米 YU7上市，感谢米粉15年支持，每人安排一杯奶茶”，并引导用户通过淘宝闪购页面搜索领取。
对此，南财快讯记者查阅雷军微博，未发现有相关博文。南财快讯记者随后致电小米客服，接线工作人员明确表示，未查询到有相关活动，建议以官方渠道发布的信息为准，“网上的一些消息没那么准确”。
同日午间，针对上述传闻，小米集团接受媒体采访时回应，假消息。
据了解，小米YU7共有三个版本——单电机后驱的小米YU7，双电机四驱的小米YU7 Pro和最高性能的小米YU7 Max。
小米YU7标准版零百加速5.88秒，极速锁定240km/h。相比之下，Pro版零百加速为4.27秒，高性能的Max版更是达到3.23秒。不仅如此，小米YU7标准版还搭载96.3kWh磷酸铁锂电池，CLTC续航里程835km，在中大型纯电SUV续航第一。
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