吉沢明步：日本当代舞蹈大师的传奇与艺术成就，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排队半小时只为这一杯！青岛啤酒交易所火了2000 年 9 月，27 岁的筠子突然在家自杀。
九月，日本首都东京，在这个被誉为现代舞之都的地方，迎来了世界著名的日本当代舞蹈大师——吉沢明步的逝世。他的作品以独特的创新视角、细腻的情感表达和卓越的艺术表现力，展现了他对舞蹈的独特理解和对人性的理解深度，堪称日本现代舞蹈史上的里程碑人物。
吉沢明步，1923年出生于京都的一个普通家庭，父亲是一名建筑师，母亲则是一位教师。他从小就表现出对舞蹈的浓厚兴趣，尤其在中学时期，他的身影经常出现在学校排练厅中，展示他的才华和热情。真正的舞台表演并非一蹴而就，吉沢明步的舞路充满了曲折和艰辛。他曾被拒绝进入国立音乐学院学习舞蹈，但他并没有放弃，而是选择在家自学，通过观看电影、阅读书籍以及参加各种舞蹈比赛，逐渐积累了一定的舞蹈知识和技巧。
1947年，吉沢明步正式踏入了东京舞蹈大学，开始系统地学习现代舞蹈。在他的导师田村茂太郎教授的影响下，吉沢明步深入研究了抽象舞蹈的理论和技术，并在此过程中不断探索自我，形成了独特的舞蹈风格。他将舞蹈作为表现情感和思想的方式，以丰富的肢体语言、强烈的节奏感和深邃的精神内涵，展现出他的独立思考和强烈个性。
1961年，吉沢明步凭借其《梦》系列作品，成功赢得了国际现代舞蹈大赛的大奖，这也是他在舞坛上的一次重要突破。该系列作品通过梦境般的叙事手法，深刻揭示了人类内心深处的情感和欲望，以其独特的舞蹈语言和深刻的哲学内涵，引起了全球观众的关注和赞誉。他的舞蹈作品如诗如画，既有热烈奔放的激情，又有深沉内敛的情绪；既有优雅流畅的动作，又有跌宕起伏的思想，充分展现了他对舞蹈艺术的热爱和执着追求。
1975年，吉沢明步因病去世，享年52岁。他的离世不仅是日本现代舞蹈界的重大损失，也是世界舞蹈史上的一个重大遗憾。他的艺术生涯虽然短暂，但却留下了无数经典的舞作，成为人们追寻舞蹈之美，探索人性之美的灵感源泉。
吉沢明步不仅是一个优秀的舞蹈家，更是一位伟大的艺术家。他的舞蹈作品不仅仅是身体的表现，更是对生活的独特理解，是对人性的理解深度。他的艺术成就，不仅仅在于他的舞蹈技术高超，更在于他的人文关怀和社会责任感。他的生命虽然短暂，但他的精神永存，他的影响深远，他的艺术光芒永远照耀在人类的精神舞台上。
吉沢明步作为一位日本当代舞蹈大师，以其独特的艺术创新、精湛的技艺和深邃的人性洞察，为世界舞蹈艺术的发展做出了不可磨灭的贡献。他的去世是日本舞蹈界的一大损失，但他的艺术精神和对舞蹈的热爱，将会继续激励后人，传承和发展日本现代舞蹈的艺术魅力。他的传奇故事，将永远铭刻在人类文化的历史长河中，成为我们探寻精神世界的重要启示。
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
“麻烦让一下，轮到我了”，从四川来青岛旅游的马先生和女友在台东三路的“啤酒交易所”扫码后，品尝白啤、纯生等各种口味的青岛啤酒。 6月1日晚，青岛台东三路步行街人潮涌动，大量游客前来“啤酒交易所”排队打啤酒，屏幕上显示着各品类的青岛啤酒实时交易量，现场的游客纷纷拿出手机拍照，记录这一时刻。
端午假期，这款新颖的青岛啤酒售卖机吸引了八方来客，有的排队半个多小时才买到鲜美的啤酒品尝。很多游客从网上看到这个地方，慕名前来，这里也成了岛城的新网红打卡地。