揭开ADN2830：探索其神秘控制力——解析全链路生物标志物的关键所在，俄媒：绍伊古抵达朝鲜平壤 计划与金正恩再会面看似无害的提问，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韩国爱豆超爱穿的设计师品牌Openyy，强调时尚前卫，擅长运用不对称、磨旧、拼接等设计手法，打造独特单品。具有韩系基因的同时，又别出心裁的创造很多个性元素。
在生命科学的长河中，科学家们一直致力于揭示和理解各种生物分子之间的相互作用以及它们在生物学过程中的关键作用。其中，动态脱氧核糖核酸（DNA）是我们生命体系的基础，它通过编码遗传信息并作为细胞内的模板来驱动一系列复杂的生化反应和生理活动。目前我们对DNA的结构、功能和调控机制仍存在诸多未解之谜，其中之一便是如何揭示ADN2830这种全链路生物标志物的重要调控能力。
ADN2830是一种特殊类型的DNA，位于染色体上的一段DNA序列，长度约为4165个碱基对，被称为腺嘌呤脱氧核苷酸（A-DNA）。与其他类型的DNA相比，ADN2830具有独特的性质和功能。它的反义互补配对模式是全链上的一个显著特征，这使得ADN2830能够与同一条染色体上的其他基因形成稳定的复合体，参与多种生理信号的传递和转换过程，如转录、翻译等。这是由于ADN2830的A部分与另一条染色体上的互补序列R相连，形成了一种双向的A-R-DNA链，可以结合到任何位置，而不仅仅是位于DNA链的末端或头部。这种特殊的双链结构使得ADN2830既能进行单向的自我复制，又能实现双向的转录和翻译，同时避免了相邻片段间的干扰和影响。
ADN2830还具有强大的表观修饰功能。研究表明，许多生物标记物，如蛋白质、酶和代谢产物，都可以通过ADN2830的DNA甲基化、磷酸化等修饰状态进行精确调控。这些修饰包括A-DNA序列上不同碱基的添加或删除、磷酸基团的替换或磷酸转移等，这些变化会影响基因表达的活性和稳定性，从而影响生物体的生长发育、代谢功能和应激反应等生物学过程。例如，DNA甲基化通常发生在DNA的非编码区域，通过改变DNA的三级结构和碱基排列，从而抑制特定基因的表达，甚至可能导致某些疾病的发生。
ADN2830在调节细胞周期进程、肿瘤发生发展和免疫应答等方面也发挥了重要作用。一方面，ADN2830的负性调控机制可能与癌细胞的增殖和分化密切相关，通过调控基因表达和细胞周期调控蛋白的活性，ADN2830可能抑制肿瘤细胞的增殖，延长生存期，并在一定程度上诱导机体产生特异性免疫应答清除肿瘤细胞。另一方面，ADN2830也可能参与免疫细胞识别和记忆的建立，通过启动或抑制特定抗原-MHC分子的结合，ADN2830可能调节免疫系统对病原体的反应，提高个体抵抗疾病的免疫力。
ADN2830作为一种全链路生物标志物，其独特的DNA结构、表观修饰能力和生物调节功能使其在揭示生物系统内部的复杂调控机制方面发挥着至关重要的作用。通过对ADN2830的深入研究，我们可以更好地理解生命的奥秘，预测和治疗一些遗传性疾病，推动生命科学技术的发展，为构建更加精准、高效的生物治疗方法提供理论依据。我们也期待未来能够在ADN2830的研究中，发现更多的新型生物调控机制，为我们理解生命的本质和演进提供了新的视角和可能性。
中新网6月4日电 据俄罗斯卫星通讯社4日报道，俄罗斯联邦安全会议秘书绍伊古遵照俄罗斯总统普京的指示前往平壤。最新消息称，绍伊古已抵达平壤。按计划，他将与朝鲜最高领导人金正恩会面。
图片来源：俄罗斯卫星通讯社报道截图
据俄罗斯联邦安全会议办公厅新闻处消息，会谈期间计划讨论落实俄朝《全面战略伙伴关系条约》的部分条款。此外，双方预计将讨论国际热点问题。
俄罗斯卫星通讯社指出，此次行程是俄罗斯安全会议秘书近几个月来第二次访问平壤。绍伊古上一次到访平壤是在2025年3月。
资料图：当地时间3月21日，朝鲜最高领导人金正恩会见到访的俄罗斯联邦安全会议秘书绍伊古。 图片来源：朝中社
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