2014年深度剖析：久久天天躁狠狠躁，深夜里的疯狂与决心：每日躁动人生记事簿，企业用电“明细账”助力降本增效看似无害的提问，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关于筹划发行H股股票并在香港联合交易所有限公司上市的提示性公告
《2014年度深度剖析：久久天天躁狠狠躁，深夜里的疯狂与决心》
在2014年的中国，有一种现象叫做“久久天天躁”，这种现象被广泛描述为一种极端的情绪状态，其表现为夜晚的狂躁和白天的冷静相交替，似乎代表着对生活的极致追求和对未来未知的强烈不安。这种现象的出现，不仅影响了个人的日常生活，也引起了社会的广泛关注。
2014年的中国，有着众多富有活力的年轻人，他们渴望在繁忙的工作、学习之余，找到属于自己的生活节奏，寻找一份属于自己的热情与激情。这种追求并没有如预期般顺利。随着工作的压力增大，年轻人面临着前所未有的挑战和选择困难，他们在夜深人静时，仿佛找到了释放自己情感的出口，开始了一场又一场的“躁动之旅”。
在这个躁动的时刻，他们的内心充满了无尽的欲望和焦虑，他们希望通过短暂的狂欢来缓解内心的压抑，通过不断的刺激和冒险来获取内心的满足感。他们疯狂地工作，为了升职加薪，为了追求所谓的成功；他们疯狂地学习，为了掌握最新的知识和技能，为了获得更高的学历和地位。他们的疯狂是如此的激烈，以至于每一天的生活都如同一个巨大的齿轮在旋转，无论白天还是夜晚，他们都想要让自己的生活更加精彩，更加快乐。
这种情绪状态的持续存在，使得人们对于未来充满了恐惧和不确定。他们不知道自己的未来会是什么样子，也不知道自己的目标是否能够实现。他们害怕失去现在的一切，害怕无法适应不断变化的社会环境，害怕无法跟上时代的步伐。这种迷茫和困惑，使他们在深夜里，甚至在深夜中的疯狂中，寻找到了一种宣泄的方式，寻找到了一种前进的动力。
这种疯狂并非无处可去。在深夜里，年轻人往往会放慢脚步，静静地坐在窗边，凝视着远方，看着月光洒下的城市，看着星星闪烁的天空。他们会默默地思考，他们会深深地反思，他们会对自己的行为进行深刻的检讨。在这个过程中，他们可能会发现一些自己不曾意识到的矛盾和冲突，他们可能会发现一些自己未曾尝试过的新事物，他们可能会发现自己曾经忽视的一些东西。
“久久天天躁”不仅仅是对生活的一种极端追求，更是对未来的恐惧和不确定的一种逃避方式。虽然这种疯狂可能会带来暂时的快乐和满足，但长期来看，它只会加剧人们对生活的迷茫和困惑，只会让我们的生活变得越来越艰难。我们应该学会面对这种情绪状态，学会理解这种疯狂，学会调整自己的心态，学会理性看待生活，只有这样，我们才能真正地找到属于自己的生活节奏，找到属于自己的热情与激情。让我们一起，像那些深夜里的疯狂者一样，勇敢地面对生活，勇敢地追求梦想，勇敢地走向未来的旅程。
新华社天津6月5日电（记者毛振华、宋瑞）记者日前从总部位于天津的国家电网有限公司客户服务中心获悉，经过近半年的研发及试点应用，由该中心打造的绿色国网用电分析（企业用电助手）服务，近日实现大范围推广。此举通过打造“数智管家”，直接助力企业降本增效。
天津中环领先材料技术有限公司是天津市西青区用电量前十名的工业大户，通过使用绿色国网用电分析服务，了解到可以通过增加谷电比例等措施，减少用能成本。该企业负责人表示：“用电分析服务功能相当于给企业用电实施了‘体检’，帮助企业更好地节能降本。”
国家电网有限公司客户服务中心开展线上用电分析服务。（受访对象）
企业电费不同于居民电费，构成更为复杂，成本占比更突出。为此，国家电网有限公司客户服务中心通过大数据建模和行业对标，在绿色国网平台上线用电分析（企业用电助手）服务，帮助企业用户优化用能水平。
用电分析（企业用电助手）服务包括负载分析、力调分析、分时用电分析和电量电费分析四大核心功能，分别从调整变压器负载率、提升功率因数、优化峰谷用电占比及深入剖析量费构成的角度，可以精确分析到每15分钟的负荷曲线变化和每天的峰平谷电量构成，助力企业更加便捷、精准开展能效优化，从而实现科学用电、降本增效。
国网客服中心能效业务负责人程诗尧说，试点阶段重点面向山东、浙江两地企业，随着效果得到验证，该项服务已经全面推开，接下来将通过“线上+线下”相结合的方式开展。其中，线上将精准推送服务信息；线下采用电话沟通、现场走访等形式，开展“一对一”专业指导。
“企业节能不是简单的‘拉闸限电’，而是通过精细化、专业化的能源管理，帮助企业合理利用能源，节约用能成本。”国网电力科学研究院能效专家赵志超表示，绿色国网用电分析服务整合了企业的电费组成、分时用电、用电负荷等专业信息，建立了更具时效性的电力大数据分析模型，有助于帮企业实现降本增效。
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