军姿傲人，好勇猛！好紧贴身，珍爱宝贝，请勿夹入男性小说，原创 最“不务正业”药企，一年赚走酒鬼40亿看似无害的提问，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全智贤这一身，上半身穿着蓝黑相间的印花衬衫，几何图案充满现代感与设计感，打破了纯色衬衫的单调。真丝材质让衬衫在阳光下闪烁着低调光泽，顺滑垂坠，既贴合身体曲线展现女性柔美，又有宽松的余量，不会让人觉得局促。领口微微敞开，不经意间露出精致的脖颈线条，更是增添了几分性感与随性。
标题：军姿傲人，好勇猛！好紧贴身，珍爱宝贝——谨防夹入男性小说
在众多军事题材的小说中，常常描绘出一位英勇无畏的军人形象。他们的坚定眼神、挺拔身材以及紧贴身侧的动作，都仿佛向世人昭示着那份坚韧不拔的精神风貌与男子气概。在这些作品中，我们不禁被深深吸引，同时也引发了一些质疑和争议。那就是“军姿傲人，好勇猛！”是否意味着男性角色应该紧贴身侧并展示出军人特有的硬汉形象呢？本文将对此进行探讨。
“军姿傲人”的概念源自于军队中的正规训练，这是一种严格的体能要求，旨在培养军人良好的身体素质和精神面貌。军人在日常生活中，需要保持警觉，时刻保持军姿严整，这既是对自身身体形态的一种严格规范，也是对军人职业操守的一种考验。这种“军姿傲人”，并非仅限于脸部或肢体动作，而是涵盖了军人的整体气质和精神风貌。无论是在战场上冲锋陷阵还是在平时的训练生活中，军人都需要具备坚毅不屈、果敢刚强的精神特质，以应对各种挑战和困难。
我们也不能否认，“好勇猛”的特质并非总是与“紧贴身侧”紧密相关。对于一些轻度的军事小说和科幻作品，可能只是单纯地描述军人勇敢面对战斗、无惧危险的形象，而忽视了他们背后的内心世界和情感状态。在这种情况下，“好勇猛”反而更侧重于军人的豪情壮志和英勇牺牲的精神，而“紧贴身侧”则更多地呈现出一种生理需求、生活节奏的展现。
如何在“军姿傲人，好勇猛！”的基础上，突出军人内在品质、情感深度和生活细节，是值得深入思考的问题。在塑造男性的军人形象时，我们需要注重角色的心理发展，让其在展示硬汉性格的也展现出丰富的情感内涵和人性弱点，使得这个形象更加立体、真实和有血有肉。我们也应避免过度强调男性特有的“紧贴身侧”动作，而忽视了军人对生活的热爱、亲情友情等非战斗性因素的重要性。
“军姿傲人，好勇猛！”并不意味着男性的角色都应该紧贴身侧并展示出军人特有的硬汉形象，而是应在尊重传统观念和艺术表现手法的前提下，通过细腻的人物刻画、丰富的故事情节和恰当的主题设定，创造出既有鲜明个性、又具有时代特色的男性军人形象。只有这样，我们才能真正理解和欣赏这种独特的军事魅力，使这一主题在文学创作中焕发出新的光彩和生命力。
把中国人不习惯的东西卖成爆款，是门大学问。
比如说，中国消费者对“苏打水”一向不太感兴趣，毕竟这玩意一不够甜，二不够爽，口感还有股涩味儿。
就算老外天天拿来调酒、佐餐、泡脸，在中国苏打水还是没有可乐雪碧卖得好。
但一家来自河南药企业，却连续八年坐稳销冠，还在2024年一年卖出40亿，市占比高达43.2%，远超第二至第五名总和。
印象里，名仁苏打水是陪伴不少人长大的小甜水，也是很多中年人在酒后的“续命神饮”。
有人喝了酒之后反酸水，必须要猛灌几瓶名仁，长长打个酒嗝之后才有胃口吃得下去东西。
也有常年痛风的患者现身说法，自己馋酒还担心尿酸高，于是有事没事就喝瓶苏打水，图个“酸碱中和”。
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