揭秘：会员专享福利——以实际行动诠释‘有礼’含义的优质服务与价值馈赠，蒙古国“80后”总理遭解职看似无害的提问，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以前啊，人们靠地球自转定时间，把一个平太阳日的 1/86400 当作一秒，这就是最早的 “世界时秒”。可地球自转不咋稳定，平均每 100 年，自转周期就变慢约 0.00164 秒。这就好比一个不太准时的老钟表，时间长了，偏差就显出来了。所以，科学家得找个更靠谱的法子来定义一秒。
中国作为全球最大的消费市场之一，消费者的权益保障和品质生活需求日益提升，而会员制度作为一种重要的商业策略，正在逐渐成为企业吸引、留住会员、实现长期稳定发展的重要途径。会员专享福利以其“有礼”的独特内涵，不仅在丰富会员权益、增强品牌忠诚度、推动销售增长等方面发挥了重要作用，更通过实际行动诠释了“有礼”的含义，彰显了企业的社会责任和人文关怀。
“有礼”意味着对会员的一种尊重与感恩。每一位消费者都是公司的宝贵资源，他们积极参与各类活动，支持企业发展，为公司创造着巨大的经济效益和社会价值。企业应积极关注并满足会员的需求，如提供便捷的购物体验、丰富的主题活动、个性化的增值服务等，通过这些实实在在的行为，向会员传递出“感谢您选择我们，期待为您带来更多惊喜”的真挚情感和真诚服务，让会员感到被重视和关爱，从而进一步建立和增强会员的归属感和认同感。
“有礼”体现在对会员权益的优化与维护上。会员专享福利不仅仅是物质层面的优惠，更是精神层面上的认可和赞赏。例如，企业可以推出积分兑换、生日特惠、节日庆典等活动，让会员在日常消费中享受到积分兑换的乐趣，感受企业对会员的特殊关怀；也可以定期举办会员特别活动，邀请会员参与线上线下互动，分享彼此的生活点滴，共同庆祝会员节、员工节等重要节点，增强会员的归属感，使会员在享受折扣和服务的也能感受到公司的温情与诚意。
“有礼”体现在对会员服务质量的持续提升上。会员专享福利并非仅停留在表面，而是深入到每一个环节、每一件小事中，体现着企业的人文关怀和专业素养。比如，在产品设计和服务流程中，企业应当更加注重细节，针对会员的具体需求和反馈进行改进，提供符合会员期望的产品和服务，让他们在使用过程中感受到宾至如归的服务态度和贴心关怀，从而增强他们的满意度和忠诚度；企业也应建立完善的售后服务体系，一旦会员在使用过程中遇到问题或不便，能够及时响应，提供专业的解决方案和有效的沟通协调，确保会员的权益得到充分保障。
“有礼”是一种全方位、多层次的会员制度，它既包含了物质上的回馈，又涵盖了精神上的抚慰，是企业履行社会责任、树立品牌形象的有效手段。只有将“有礼”的理念融入企业运营的各个环节，才能真正做到“以实际行动诠释‘有礼’含义的优质服务与价值馈赠”，为广大消费者带来实实在在的价值，促进企业与会员的和谐共生，共同构建一个充满活力、公平公正、互信互助的消费者社会。让我们一起见证“有礼”的魅力，以实际行动诠释“有礼”的含义，为构建和谐的社会关系、推动企业发展贡献一份力量！
敖翔/央视新闻、新华社
6月3日，蒙古国国家大呼拉尔（议会）没有通过关于总理信任投票决议草案，决定解除总理奥云额尔登的职务。
2025年5月中旬开始，蒙古国部分民众不满奥云额尔登执政表现，每天定时在首都乌兰巴托市中心示威，要求奥云额尔登辞职。5月28日，奥云额尔登向国家大呼拉尔提交对其发起信任投票的动议。
据新华社此前报道，奥云额尔登生于1980年。他在2016年、2020年和2024年连续三度当选国家大呼拉尔委员，2019年任蒙古国政府办公厅主任，2021年1月起任蒙古国总理。2024年7月5日，蒙古国国家大呼拉尔（议会）举行全体大会，以高票赞成的结果批准罗布桑那木斯来·奥云额尔登连任政府总理。
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