体重不是问题！看欧美BB奶奶如何玩转时尚圈，云南启动洪水防御Ⅳ级应急响应看似无害的提问，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16日，俄罗斯与乌克兰代表团在土耳其伊斯坦布尔举行直接谈判。谈判由土耳其外交部长哈坎·费丹主持，是俄乌双方三年来首次面对面会谈，持续近两个小时。对于谈判结果，俄罗斯和土耳其方面给予肯定。
欧洲的BB奶奶们凭借他们对于时尚的独特理解和深厚功底，成功地在她们的社交圈中展现出了超乎寻常的魅力。以美国洛杉矶的奥黛丽·罗兰（Audrey Rose）为例，她不仅是知名的时尚女王，更是一位勇于尝试新事物并对生活充满热情的人。她在80年代初期就开启了全新的健身风潮，通过科学合理的饮食和健身计划，将女性的力量与美感完美结合，成功塑造了瘦高型的体型并保持了多年。她的“健身+时尚”的搭配不仅展现出健康、活力的形象，也颠覆了传统的审美观念，激发了全球对健康生活方式的关注。
在欧美的另一个典型代表——英国前首相特蕾莎·梅（Theresa May），她以其清新简约而不失优雅大气的风格深受观众喜爱。梅女士从小就对艺术有着浓厚的兴趣，当她踏入政界时，便开始注重服装设计，打造出简洁而富有质感的造型，逐渐建立起自己的个人风格。这种注重自我表达和个性特点的设计理念，为她赢得了广泛的赞誉，并引领了英国乃至全球年轻女性的时尚潮流。
以法国的格莱美·佩雷（Greta Perreault）为例，作为著名的时尚博主和设计师，她一直以来都致力于推广环保的理念，倡导穿着舒适、自然的服饰，致力于创造具有时尚感的同时又能保护环境的产品。她的作品往往采用天然棉质或有机材料制作，体现了对可持续发展和环境保护的深刻理解。她的时尚哲学强调“穿出舒适，穿出自信”，旨在传递一种健康、生态的生活方式，这种创新的思维方式为欧洲时尚圈注入了新的活力。
欧美各国的BB奶奶以其独特的见解和实践方式，引领了一场“减肥≠丑陋”的运动，打破了传统印象中的胖女孩形象，提倡健康的身材观和积极向上的生活方式。他们的智慧和行动，为全球女性提供了无数可能的穿搭启示，也让人们对美的追求变得更为多元和包容。如今，这种关于体重不等于问题的新观念正在世界各地流行开来，成为了一股席卷全球的时尚旋风，影响着许多年轻人的日常生活和消费选择。随着科技的进步和社会的变革，我们可以期待看到越来越多的BB奶奶们在各自的领域继续发挥创造力，引领更加时尚、有趣且具有深远影响力的时尚潮流。
中新网昆明6月7日电 (记者 韩帅南)根据气象部门预报，云南中东部和南部近期将出现强降雨天气过程。云南省水利厅经会商后决定，于6月7日8时启动洪水防御Ⅳ级应急响应。
受冷锋切变线影响，预计6月7日夜间至10日，云南中东部和南部将出现强降雨天气过程，其中昭通市南部、曲靖市、昆明市、楚雄州、丽江市中东部、玉溪市、红河州、文山州、大理州中东部、普洱市、西双版纳州有中到大雨局部暴雨、大暴雨，过程累计雨量30至60毫米，局地120至150毫米。按照《云南省水利厅水旱灾害防御应急响应工作规程》，云南省水利厅经会商后决定，于6月7日8时启动洪水防御Ⅳ级应急响应。
云南省水利厅发布通知称，各级水利部门要高度重视，密切监视雨情、水情、汛情发展变化，加密会商研判，加强值班值守，前置队伍物资，及时启动应急响应和预案，做好水库、在建水利工程、小水电站等水利工程，中小河流、山洪易发区等敏感地区的监测和巡查，加强防范中小河流洪水和山洪灾害。强化山洪灾害预警预报，做好“预警叫应”闭环管理，做到应转早转、应转尽转，全面做好洪水防御各项工作，尽最大努力确保人民群众生命安全，避免财产损失。
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