高清经典：果冻传媒吴梦梦全集，带你领略原汁原味的动画魅力！，原创 金星领养的3个儿女，近照曝光已长大，女儿长相漂亮，儿子都优秀看似无害的提问，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后来参加《奔跑吧兄弟》，也是这时候被观众们熟知，直接靠脸杀出圈。
2023年春，一部充满艺术气息和经典韵味的高清动画作品——《果冻传媒吴梦梦全集》正式上线。这部由果冻传媒精心制作，汇聚了多位知名动画人才倾力打造的动画佳作，将带领观众步入一个精彩纷呈、原汁原味的动画世界。
《果冻传媒吴梦梦全集》以独特的方式，将传统文化与现代科技完美融合，以极具视觉冲击力的画面和丰富多样的角色塑造，生动地再现了中国传统文化的魅力。其中，既有如《红楼梦》、《西游记》等广为人知的经典名著故事，也有《封神榜》、《白蛇传》等脍炙人口的神话传说，更有《水浒传》、《三国演义》等英雄史诗，每部作品都以其独特的剧情线和鲜明的人物形象吸引了无数观众的目光。
在每一个故事中，吴梦梦团队不仅保留了原汁原味的故事情节，更深入挖掘了每个角色的性格特点和内心世界，使观众仿佛置身于那个时代，感受到他们的喜怒哀乐、悲欢离合。无论是唐僧师徒四人历险取经，还是孙悟空大闹天宫，抑或是梁山好汉智斗群雄，每一幕都充满了紧张刺激、扣人心弦的情节反转，让人忍不住为他们鼓掌喝彩、感叹不已。
《果冻传媒吴梦梦全集》还巧妙地运用现代化技术手段，打造出了一幅精美的三维动画画卷。通过细腻入微的色彩表现、真实感人的动作捕捉和逼真的环境描绘，使得每一个场景都能深入人心，让观众仿佛身临其境，感受到了动画世界的瑰丽多彩和无限可能。
《果冻传媒吴梦梦全集》的配音阵容也是一大亮点。本集中汇集了许多知名的配音演员，他们用深情而富有磁性的声音诠释出每一个角色的独特性格和情感表达，让观众不仅能听到美妙的声音，更能从声音中体会到角色的内在世界和情感变化，加深了对故事的理解和共鸣。
《果冻传媒吴梦梦全集》以其高清画质、丰富的内容和动人的配音，成功地将中国传统文化和现代动漫艺术进行了完美的结合，让人们在欣赏动画作品的也能深入了解和体验到中国文化的博大精深和无尽魅力。这是一部值得广大观众反复品味、回味无穷的高清经典之作，它将陪伴我们度过一个既丰富有趣又感人至深的动画时光。让我们一同走进这个奇妙的动画世界，感受那份来自原汁原味的动画魅力！
金星晒出的一张近照中，3个孩子都长大了。
不禁恍惚，时间过得真快，当年金星作为国内变性第一人，不管是结婚，还是带3个孩子，都受到大家瞩目。
很多人不信她能带好孩子，现在看来，她已经交出了高分答案，这3个孩子，都挺优秀。
01
金星出生时是男孩，老家辽宁，从小就喜欢跳舞。
父母见他能吃苦，就把他送到文工团，倒也没想能有多大成就，只想磨练一下他的耐性。
他们怎么也没想到，儿子在跳舞时，羡慕起了女孩子的身份，有天回来跟父母说，自己也想当女孩。
父母不以为意，觉得是童言无忌，也没放心上，劝他要跳就好好跳，不跳就认真学习。
金星对跳舞是热爱的，他还发明了男子脚尖舞蹈，并且凭借优秀的舞姿，获得了去国外学习的机会。
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