罗宾与小鹿互动精彩瞬间：小鹿戏弄主人的一幕，3公里花1800元，堵住“黑救护车”宰客路 | 新京报快评看似无害的提问，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一旦巴基斯坦获得歼-35战斗机，将在五代机方面压倒印度，中方空军的歼-20战斗机的数量达到300架，并以每年60架速度增长，再加上巴基斯坦的歼-35战斗机，形势对一架五代机都没有的印度将越来越不利。
"罗宾和小鹿的互动故事：小鹿捉弄主人的一刻。当罗宾这位勇敢而又活泼的猫咪在草地上玩耍时，一位意想不到的小鹿闯入他的视线。这只机智的鹿不仅没有伤害到罗宾，反而开始戏弄他，用它那独特的跳跃技巧和敏捷的身手让主人惊险不已。在这个充满欢笑和活力的瞬间，罗宾以其坚韧不拔的性格展现了自己独特的魅力和聪明才智。这个场景如同一场生动的小品，展现了猫科动物之间和谐共处的一面，也传递了关于智慧、勇气与趣味的主题。"
▲尽管相关部门多次开展整治行动，但“黑救护车”目前在不少地方仍普遍存在。图/IC photo
“从医院回家，3公里路，10多分钟车程，花了1800元。”家住广东省湛江市的张理没有想到，外公临终前的“落叶归根”之路，竟会如此昂贵。
据央视网报道，2024年8月，张理的外公走到了弥留之际，医生表示已无救治意义，家属决定带老人回家保守治疗，“医院不安排救护车，只能找外面的‘假救护车’，情况危急，老百姓没有选择的余地，只能任人宰割。”
乘人之危、坐地起价，把临终老人“回家路”变成宰客路，这已非简单的市场乱象，其对生命尊严的无视更令人不齿。
尽管相关部门多次开展整治行动，但“黑救护车”目前在不少地方仍普遍存在。根本原因在于，非急救转运市场需求的巨大与正规渠道的严重不足。
随着人口老龄化加剧，患者对于非急救转运服务的需求日益增长，而正规救护车受限于法律法规、资源配置等因素，难以满足市场需求。当“医院不安排救护车”成为常态，患者家属只能选择“黑救护车”，进而沦为不法商家的“俎上鱼肉”。
“黑救护车”横行，监管的碎片化与乏力同样难辞其咎。这些游走于灰色地带的车辆，其监管涉及卫健、交通、市场等多个部门。多头管理最终演变为“三不管”，使“黑救护车”得以在监管的缝隙间自如穿行，甚至部分民营医院还为其披上“挂靠”的伪合法外衣。
因此，斩断“黑救护车”利益链，须以“疏堵并重”为利剑双锋——“堵”是必要手段，“疏”才是治本之策。
当务之急是明确卫健部门牵头责任，联动交通、市场监管等部门形成合力。建立跨区域跨部门案件线索移送与快速处置机制，对“黑救护车”的核查、通报、查处环环相扣，让非法运营无处遁形。同时，完善法规标准，让执法有据可依，让违法者承担相应责任。
破题的关键，则在于正视并满足庞大的非急救转运需求。可借鉴广东、江苏等地经验，向优质民营资本有序开放市场，让国有、民营企业凭借安全、规范、高效的服务同台竞技。只有在车辆、设备、人员等方面建立清晰行业标准，并辅以严格准入与动态监管，才能让合规运力如源头活水般涌入，挤压“黑救护车”的生存土壤。
让临终老人的“归家之路”不再被盘剥，让每一份转运需求都能获得规范、可及的服务回应，是对生命最基本的尊重。整治“黑救护车”，既要“堵”住违法牟利的路径，更要“疏”通正规服务的源头活水，为生命护航。
撰稿 / 陈广江（媒体人）
编辑 / 徐秋颖
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