女强盗突袭暴行，被迫逃离罪恶深渊：一场生死逃亡的英勇斗争，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俄称克里米亚大桥结构未受损，交通运行正常其实自1842年《南京条约》签订以来，快200多年了，世界依然是那个弱肉强食的世界，如今世界各国都想试试中国的成色，国内很多人还是太乐观了，日子稍微好一点就想着搞什么和平。
某日深夜，一股席卷整个城市的暗流涌动，一位名叫玛丽的年轻女性在其中脱颖而出。她，曾经是一名优秀的律师，凭借才华和坚韧不拔的精神，在繁华都市中引领着无数女性走向了成功之路。一次突如其来的抢劫事件，将她的生活推入了一个万劫不复的深渊。
正当玛丽沉浸在与同事们的商谈之中时，突然一道耀眼的光芒从窗外闪过。那是四名男子，他们手持锐利的武器，目标直指玛丽所在的律师事务所。这是由一群街头小混混组成的犯罪团伙，他们的手段残忍无情，经常对无辜的人进行敲诈勒索，甚至涉足暴力活动。这次，玛丽身处的案件对他们构成了严重威胁，必须立即采取行动。
玛丽深知自己无法坐视不理，她开始秘密策划一个生死逃亡计划。她首先联系了当地的警方，并且告诉他们了自己的处境。警方迅速派出警力进行围捕，但面对那群街头小混混的嚣张气焰，警察的力量显得十分弱小。
在此危难时刻，玛丽决定独自一人展开生死逃亡。她携带了一把小巧的手枪和一张地图，以及一些必要的装备，包括一些急救包、便携式水源和食物。她选择了一条偏僻的小径作为逃亡路线，避开市区的主要交通要道，尽可能减少被追捕的风险。
玛丽在这条路上走得艰难而艰辛，她不仅要应对凶残的街头小混混，还要对抗时间的压力和体力的消耗。但她从未放弃过，因为她知道，只有通过自己的努力，才能逃离这个充满危险的世界。
经过三天三夜的艰辛跋涉，玛丽终于来到了一片荒芜的山区。这里的环境恶劣，道路崎岖，但是玛丽凭借坚毅的决心和非凡的勇气，一步步向着山顶攀登。每一步都充满了恐惧和挑战，但她从未停下脚步，始终保持着坚定的信心和毅力。
当她登上了山顶，眼前的景象令她惊叹不已。这里是一片广袤无垠的大草原，四周环绕着连绵起伏的山脉，天空湛蓝如洗，阳光穿透云层洒在大地上，万物生机勃勃。玛丽的心中充满了感激和喜悦，她意识到，尽管前方充满了未知和困难，但只要坚持下去，就一定能够找到属于自己的光明。
于是，玛丽向警方报告了自己的遭遇，并且请求他们协助寻找目击者，提供更多的线索。警方接到报告后，立刻展开了全面的调查。经过多天的努力，警方成功找到了两名目击者，他们讲述了目睹玛丽逃脱的过程，为案件提供了重要的证词。
就在警方准备逮捕犯罪嫌疑人时，玛丽却意外地出现，用无比坚定的声音表达了对正义的坚守：“我不希望这场战斗结束，我希望能让那些在街头小混混面前低头的朋友看到，法律的尊严并不会因为他们的恶行而消失。我愿意用自己的生命，来证明你们这些罪犯的无耻和卑鄙。”
玛丽的英勇行为得到了广泛的关注和支持，她不仅帮助警方抓住了罪犯，还唤醒了公众对正义的渴望和追求。她的故事不仅激励了女性，也震撼了社会，使得法律成为了保护所有公民权益的有力武器。
这次生死逃亡的英勇斗争，是玛丽人生中最特殊的一段经历，也是她内心深处最深沉的感悟。她明白，无论我们身处何处，无论面临何种困境，都不应该放弃对自由和平等的追求，应该用我们的勇气和智慧，去挑战罪恶，守护正义，创造一个更美好的世界。
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
当地时间6月4日，俄罗斯总统新闻秘书佩斯科夫接受媒体采访时表示，克里米亚大桥区域发生爆炸，但大桥结构未受损坏，目前交通运行正常。
佩斯科夫还表示，俄罗斯与乌克兰的备忘录草案审议还需要时间，待完成后双方将商定下一轮谈判日期，新一轮俄乌谈判的具体时间取决于双方准备情况。