揉搓胸部，缓缓出水！——探索身体的奇妙秘密，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中央决定，张传江履新汉代班固《汉书·艺文志》中设“小说家”一类，认为：“小说家者流，盖出于稗官，街谈巷语、道听涂说者之所造也。”
"《揉搓胸部，奇迹般的神奇力量》：探索身体神秘奥秘的揉搓按摩法"
在日常生活中，我们往往忽视了看似平凡却蕴藏着神奇力量的揉搓动作。本文以揉搓胸部作为引子，以探寻人体内部的秘密为主题，深入剖析一种独特的按摩手法——"缓缓出水"，并探讨其背后的科学原理与实际效果。
"缓缓出水"并非传统意义上的按摩方式，它源自东方医学理论中的"揉摩气泡"（也称"推摩水汽"），是通过持续、温和的力量刺激胸部皮肤和肌肉，促使人体产生大量的淋巴液和血液循环，最终将体内的代谢产物排出体外，从而达到舒缓身心、提升免疫力的效果。这种方法的关键在于掌握力度适中、节奏缓慢，以保证足够的压力分布，避免对血管、神经等软组织造成过大的冲击，从而避免引发不适。
具体操作方法如下：选择一个舒适的位置，双手分别按压两侧乳房，使手心紧贴胸肌上部，然后慢慢向中心进行揉捏，每一侧大约15-30秒，频率为每分钟2-4次。重复此过程约10-15分钟，即可感受到胸腔内空气逐渐膨胀，形成丰富的乳汁或汗液。这过程中，乳头会自然鼓起，呈现粉红色或淡黄色的液体，这就是所谓的"出水"现象。
揉搓胸部还有助于提高人体新陈代谢率，加速体内废物的排泄，有助于改善肌肤质量，增强身体免疫力，预防各种疾病的发生。尤其对于乳腺问题如乳腺增生、乳腺炎等有较好的治疗效果，且适合大部分人群，无需特殊医疗器具即可轻松实践。
总结起来，“揉搓胸部，缓缓出水”的按摩手法是一种温和而有效的自我保健方式，不仅能帮助改善肤质，强化免疫系统，还能有效缓解胸部疲劳，让女性在日常生活中享受到独特的生理美。无论你是忙碌的职场女性、热爱运动的健身爱好者，抑或是希望保持年轻活力的家庭主妇，皆可尝试这种健康、舒适的按摩方式，为自己和家人的身心健康增添一份轻松愉悦的感觉。
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
编辑丨余晖
2025年6月6日，中国海洋石油集团有限公司召开中层以上管理人员大会。
中央组织部有关负责同志宣布了中央关于中国海洋石油集团有限公司董事长、党组书记任职的决定：
张传江同志任中国海洋石油集团有限公司董事长、党组书记，免去其中国大唐集团有限公司董事、总经理、党组副书记职务。相关职务任免按有关法律和章程的规定办理。
公开资料显示，张传江，1968年出生，1990年毕业于大庆石油学院，之后便进入到石油和煤炭化工领域，曾任职于国家能源集团、中国神华煤制油化工有限公司、荆门石油化工总厂等公司。
2020年3月，张传江任国家能源集团宁夏煤业有限责任公司董事长、法定代表人，2020年7月任中国大唐集团有限公司副总经理。