神秘新区：久久久麻豆一区二区三区探秘记——揭秘繁华街区的独特魅力，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小米集团总裁卢伟冰：小米比以往任何时候都有战略耐性！以“不可胜在己，可胜在敌”的心态去持续成长，取得更大的胜利用户在DeepSeek手机客户端上提问（2025年2月17日摄）。新华社记者 黄宗治 摄
以下是围绕神秘新区“久久久麻豆一区二区三区探秘记”的一篇中文文章：
在繁华的都市中，有一座被称为“久久久麻豆”的神秘新区，它位于城市的几何中心，犹如一颗璀璨明珠镶嵌在这片城市之中。这个新区以其独特的魅力吸引着无数的游客和冒险者，其独特之处在于，这里汇聚了多种风情各异的街区，宛如一座魔幻世界，让每一个来到这里的人都能感受到一种别样的生活体验。
一区：“久久久麻豆一区”，是整个新区的核心地带，也是最具代表性的街区之一。在这里，繁华的商业气息与浓厚的艺术氛围交织在一起，仿佛是一座充满活力的商业街。每一条巷子都充满了各种特色的店铺，琳琅满目的商品让人目不暇接。从传统的手工艺品店、古董行到现代的时尚潮流店，每一处小店都有着各自的魅力，无论是精美的手工饰品，还是独特的艺术画作，都在向人们展示着这里的独特文化魅力。
二区：“久久久麻豆二区”，则是一条充满创意和灵感的街道，这里有各式各样的艺术家工作室、设计空间和小型咖啡馆，它们如同一个个微型的艺术博物馆，吸引了众多热爱艺术的年轻人前来探索和创作。在这里，你可以看到艺术家们用他们的创造力和想象力，将生活的点滴转化为作品，表达出他们对世界的理解和感悟。
三区：“久久久麻豆三区”，则是一条宁静而祥和的步行街，这里的居民大多生活在区内，他们以纯朴的生活方式和浓郁的文化底蕴著称。这里的小吃摊位、特色小巷和公园绿地相得益彰，构成了一幅和谐宁静的画面。漫步其中，仿佛能听到自然的呼吸声，感受那份静谧和安宁，使人感到无比的放松和舒适。
在“久久久麻豆”，不仅有繁华的商业区，也有浓厚的艺术氛围，还有宁静的步行街，每一块砖瓦，每一片树木，都充满了生活的气息和韵味。这种独特的街区布局，让人们在忙碌的城市生活中找到了一片属于自己的心灵港湾，感受到了城市生活的多元性和丰富性。
在这个神秘的新区中，每一位游客都能找到自己喜欢的东西，享受到不同的生活体验。无论你是喜欢购物还是文艺，或是享受安静的慢生活，都能在“久久久麻豆”找到适合你的那一部分，留下一段难忘的回忆。这里的一切，都让我们深深地被它的魅力所吸引，成为我们探索城市、寻找自我、体验生活的重要场所。
“久久久麻豆”这座神秘新区，以其独特的魅力和丰富的资源吸引了无数的游客和冒险者，让人们在繁忙的城市生活中找到了一片属于自己的精神家园。在这里，你不仅能欣赏到城市的大美，也能感受到生活的美好，更能在探索和体验的过程中，找到属于自己的价值和意义。这就是“久久久麻豆”给我们的启示：不论身处何处，只要有心去发现，就能在平凡的世界里找到属于自己的独特魅力。
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
新浪科技讯 6月4日下午消息，日前小米集团举办了2025投资者大会。在会议上，卢伟冰跟投资人分享，小米取得优秀业绩的思路是： 业绩是结果，能力是原因，变革是抓手。
同时，他也表示：“面向未来，小米比以往任何时候都有战略耐性”，不断提升自己的能力，以“不可胜在己，可胜在敌”的心态去持续成长，取得更大的胜利。
此前，小米在一季度交出了史上最好的财报：总营收1113亿元人民币，同比增长47.4%；；经调整的净利润107亿人民币，同比增长64.5%。