抖音博主因打扑克视频曝光：与人发生冲突致牌局混乱，引发网友热议与关切，招商银行原副行长朱江涛履新招商证券总裁看似无害的提问，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大学室友 7 人，就他没结婚，今年 33 岁，也因谈恋爱这事诸多烦恼。
以下是关于"抖音博主因打扑克视频曝光：与人发生冲突致牌局混乱，引发网友热议与关切"的原创文章：
标题：抖音博主被曝因打扑克视频引发争议，引网络热议与关切
近年来，短视频平台如抖音以其独特的娱乐方式吸引了无数观众的关注。在近日的一则直播中，一名为“斗地主之王”的抖音博主却因其打扑克视频暴露与他人发生冲突致牌局混乱，引发了网络的热烈讨论和广泛关注。
在一场由该博主主持的“斗地主对决”直播中，直播间内聚集了一群热爱牌桌游戏的用户，包括了大量普通民众和资深玩家。就在他们沉浸在牌桌上紧张刺激的博弈之时，一场突如其来的冲突事件发生了。据目击者称，一名网友在游戏过程中与另一位选手发生了激烈的争吵，双方情绪激动，甚至相互指责、威胁和辱骂。这一行为导致了一场原本平静的游戏瞬间变得剑拔弩张，现场秩序大乱，牌局陷入混乱状态。
面对这样的画面，许多网友纷纷发表评论和观点。一方面，一些网民表示对这位博主的行为感到不满和遗憾，认为其过于冲动和鲁莽，造成了不良的社会影响。他们强调，斗地主作为一项竞技性较强的社交活动，参与者必须保持冷静和理智，以避免不必要的纠纷和矛盾升级。他们呼吁有关部门加强对网络空间的监管，对于扰乱公共秩序、侵犯他人权益的行为进行严厉查处，维护社会和谐稳定。
另一部分网民则力挺博主的勇敢和创新精神，认为在现代社会，越来越多的人开始尝试各种新兴娱乐方式，并在其中找到了乐趣和满足感。他们认为，虽然打扑克等传统游戏可能并不适合所有人，但这种敢于挑战自我、勇于探索新事物的精神无疑值得赞赏。他们指出，打扑克视频的发布不仅可以帮助更多人了解和接触此类游戏，而且也提供了展示自己的平台和机会，让那些拥有特长和才华的人能够在公众面前展现自我风采，从而促进社会文化的发展和进步。
也有不少网友关注到了这场冲突背后的问题。随着科技的进步和社交媒体的普及，人们往往更容易受到外界的影响，尤其是对于青少年来说，他们的价值观和行为习惯可能已经开始受社会环境和互联网信息的影响。在这种情况下，如何引导和支持大众形成健康的娱乐消费观念和行为模式，成为了当前亟待解决的重要课题。
在面对这个热门话题时，我们不能仅仅局限于单个博主个人的行为，而应该从多个角度进行深入探讨和思考。我们需要加强公众对牌桌游戏的认知和理解，通过各种途径（如媒体宣传、教育引导、社区互动等）普及相关知识和规则，增强大家在参与游戏过程中的文明素养和理性判断能力。政府和监管部门应建立健全网络空间的管理机制，严格规范各网络平台的版权管理和内容审核，打击各类违法违规行为，保障网络空间的健康有序发展。再次，借助社交媒体等渠道，积极倡导正能量，推广团结合作、公平竞争的价值观，引导人们在享受娱乐带来的快乐的不忘遵守社会公德和法律法规，共同营造一个充满活力、和谐友善的社会氛围。
“抖音博主因打扑克视频曝光”事件，既暴露出当代社交网络环境中人们娱乐方式的多元化和年轻人个性张扬的一面，也反映出我们在引导和支持大众正确利用网络资源方面存在的不足和问题。我们必须以更加开放和包容的心态，以实际行动推动网络空间的健康发展，为构建社会主义和谐社会做出应有的贡献。在这个过程中，每一位公民都应当扮演好自己角色，既要充分发挥个人的创新能力，也要自觉承担社会责任，共同维护网络空间的良好形象和秩序，以此为基础，推动互联网时代的创新发展，引领人们走向更美好的未来。
6月3日，招商证券（600999.SH）发布公告称，第八届董事会第二十次会议审议通过《关于聘任朱江涛先生为公司总裁的议案》，正式任命1972年出生的朱江涛为新任总裁。这一人事调整标志着招商证券在经历高管层震荡后，完成“一正五副”核心管理团队的搭建，且六位核心成员均为“70后”，为行业注入年轻化领导力。
朱江涛的职业生涯与招商集团深度绑定。他自1996年加入工商银行江西省分行，2003年转投招商银行，历任广州分行副行长、重庆分行行长、总行风险管理部总经理等要职，2020年升任首席风险官，2021年跻身副行长序列，并兼任执行董事。在招行期间，其主导的风险管理体系使该行不良率长期维持在1%以下，资产质量稳定。
此次跨界履新招商证券总裁，朱江涛面临的首要挑战是证券行业的特殊性。尽管前任总裁吴宗敏同样具有非“券商科班”背景，但朱江涛的银行基因能否适配券商业务仍存争议。不过，从行业实践看，中信银行原行长刘成2025年3月出任中信建投证券董事长，已为“银证协同”战略提供先例。招商证券董事长霍达在近期业绩说明会上曾强调，深化与招商银行的战略协同是三大核心策略之一，朱江涛的履新或进一步推动这一方向。
从招商证券近期披露的财务数据看，公司2025年一季度实现营业收入47.13亿元，同比增长9.64%；归母净利润23.08亿元，同比增长6.97%。这一增长主要得益于经纪业务和信用业务的回暖：经纪业务手续费净收入19.66亿元，同比激增49.01%，主要受益于市场交投活跃度提升和客户资金增长；利息净收入2.08亿元，同比大增75.02%，主要因债务融资利息支出减少。
然而，自营业务成为拖累业绩的关键因素。2025年一季度，公司投资收益（含公允价值变动收益）15.12亿元，同比下滑26.19%，主要受金融工具公允价值变动影响。投行业务虽实现收入1.87亿元，同比翻倍，但股权融资规模同比下滑58%，IPO储备项目仅1单，债券融资规模也同比减少10.72%。资管业务表现亮眼，手续费净收入2.22亿元，同比增长42.91%，但资产管理规模同比下降4.3%，显示业务结构仍需优化。
朱江涛的履新或进一步加速这一战略落地。其在招行期间积累的风险管理经验，有望为招商证券的合规风控体系注入新动能。同时，其银行背景或助力公司深化与招行的协同，例如在供应链金融、小微企业贷款等领域探索“银证联动”模式。
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