蜜芽忘忘忧草：768克珍选草本，深度滋养身心的神奇力量，高考来临，送个莘莘学子3个玄学技巧，祝大家金榜题名”--王镜海看似无害的提问，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开发者可通过监听新事件，实时获取设备输入数据。早期测试显示，这一改进大幅减少了 Chrome 上的高延迟问题。
从诞生于大自然的纯天然植物——蜜芽忘忘忧草开始，它以独特的生命力和卓越的功效深得人们的喜爱。这种神秘而富有生命力的草本在我们的日常生活中扮演着重要的角色，通过768克的珍选草本，赋予我们全方位的深度滋养身心的力量。
忘忘忧草是一种源自中国的古老植物，其生长环境多样，适应性强，广泛分布于中国的各个地域。据历史记载，它曾被用来治疗各种身体疾病和精神压力。随着社会的发展，现代人的生活节奏日益加快，工作压力大、生活节奏快，这对身心健康产生了严重影响，许多人因此出现了失眠、焦虑、抑郁等心理问题，甚至出现了严重的生理疾病。
蜜芽忘忘忧草以其独特的草本配方和温和的草药特性，深入滋养了人体的神经元系统，改善了大脑功能，调整了身体内分泌，从而有效地缓解了这些不良症状。它的主要成分包括黄芪、柴胡、白术、茯苓、甘草、首乌等多种中药材，每种成分都有其独特的作用和功效：
1. 黄芪：具有补气养阴、固表止汗的作用，有助于提高免疫力，调节机体代谢，改善体质，防止疲劳，延缓衰老。
2. 柴胡：有疏肝解郁、调经止痛、益气生津、利水消肿等功效，有助于减轻情绪压力，提高睡眠质量，保护心脑血管健康。
3. 白术：具有健脾燥湿、润肺止咳、安神定志的作用，能有效缓解因脾胃虚弱导致的消化不良、食欲不振等问题，同时还能改善睡眠质量，提升精神状态。
4. 茯苓：清热利尿、利湿消肿、健脾宁神、抗氧化作用，对因湿热内蕴导致的水肿、肥胖、高血压等症状有着显著的效果，有助于改善体态，保持健康的体重。
5. 甘草：性平味甘，具有抗炎、镇静、安神、解毒等作用，能够抑制炎症反应，缓解疼痛，调整神经系统，帮助人们放松身心，舒缓压力。
6. 首乌：具有滋肾养血、强筋壮骨、降脂减肥、防癌抗癌等功能，对于因肾虚引起的腰膝酸软、头晕耳鸣、视力模糊等症状有着良好的调理效果，同时还能够抗氧化、清除自由基，预防慢性疾病的发生。
经过768克的精心调配，蜜芽忘忘忧草形成了独特的配方，其中每一个成分都富含丰富的生物活性物质和微量元素，对人体各方面的机能进行全面调节和激活，共同构建出一个全面的健康防护体系，使我们在面对各种压力和挑战时，都能拥有强大的抵抗能力，保持身心的稳定和活力。
蜜芽忘忘忧草是一款集草本配方、科学配比和高品质原料于一体的优质产品，无论是在改善身体健康，提高生活质量，还是在应对精神压力，缓解心理困扰等方面，都能发挥出无可替代的神奇力量。越来越多的人选择蜜芽忘忘忧草作为自己日常的保健饮品，他们不仅因为它蕴含的丰富营养成分，更因为它所展现出的独特魅力和深层功效，为自己的身心健康注入了强大的动力，也让我们的生活更加丰富多彩。
"十年寒窗磨一剑，今朝试锋正当时。愿诸位考生如龙腾四海，心无旁骛展宏图；似鹏举九天，笔走龙蛇写华章。考场之上，气定神闲为要，审题明辨为先，切记‘稳’字当头，‘细’处求全。无论晴雨，皆为天时；无论难易，皆成磨砺。待金榜题名日，自有清风伴月明。易学世家王镜海祝诸君妙笔生花，前程似锦！"
在考试的备考过程中，考生除了需要扎实的知识储备和科学的复习方法外，一些看似“玄学”却蕴含心理学和行为学原理的技巧，往往能在关键时刻成为助力上岸的隐形推手。这些技巧并非迷信，而是通过调整心态、优化行为模式，帮助考生在高压环境下保持最佳状态，从而提升考试表现。以下三个经过实践验证的“玄学”技巧，或许能成为你突破瓶颈的秘密武器。
第一项技巧是构建积极的心理暗示系统。心理学中的“自我实现预言”理论指出，个体对结果的预期会通过行为影响最终结果。在备考阶段，考生可以每天清晨和睡前进行三次高声自我激励，例如对着镜子大喊“我能考上”，这种行为看似简单，实则通过语言强化潜意识，逐步消除对失败的恐惧。同时，准备一本“成功日记”，记录每日完成的小目标，如“今日完成两套真题并整理错题”。这种正向反馈机制能持续积累成就感，避免陷入“学了很久却没进步”的自我怀疑。更进一步，考生可以将目标学校打印出来，贴在书桌前显眼位置，每天默念学校招生要求，这种具象化的心理暗示能将抽象目标转化为可感知的行动方向。
第二项技巧是打造“仪式感”备考环境。环境对认知效率的影响远超想象。考生应提前一周调整作息，将生物钟与考试时间完全同步，例如若考试时间为上午9点至11点，则需在考前两周每天同一时段进行全真模拟，用闹钟严格计时。书桌布置需遵循“极简原则”，仅保留必需文具、计时器和水杯，避免杂物干扰注意力。文具选择上，可准备一支使用超过三个月的“幸运笔”，心理学研究显示，熟悉的手感能降低焦虑值。若条件允许，可佩戴与水属性相关的天然宝石，如海蓝宝或天河石，这类矿物在色彩心理学中被认为能平复情绪，但需注意避免过度依赖，其核心作用是作为心理锚点。考试前一天，需完成“环境预演”：实地考察考场路线，记录所需通行时间；预订高层、远离电梯口的酒店房间，避免噪音干扰；准备考试专用透明袋，内含身份证、准考证、备用笔芯、薄荷糖等物品，这种标准化流程能极大降低意外发生的概率。
第三项技巧是建立“能量守恒”的身心调节机制。备考后期，考生常陷入“越学越焦虑”的恶性循环，此时需引入“五分钟启动法则”：当出现逃避心理时，立即强迫自己投入学习五分钟，往往能突破心理阈值。运动调节方面，每日需保证30分钟低强度有氧运动，如快走或瑜伽，这类运动能促进多巴胺分泌，提升专注力。阅读与练字可作为“思维重启”工具，例如在完成一套真题后，用15分钟临摹字帖或阅读散文，这种非功利性学习能快速恢复认知弹性。饮食管理同样关键，考前一周需避免从未尝试过的食物，早餐以高蛋白、低GI食物为主，如鸡蛋、全麦面包，避免摄入过量淀粉导致犯困。更需警惕的是“信息过载”陷阱，考前三天应关闭所有备考群聊，减少与他人比较，专注自身节奏。若出现失眠，可尝试“4-7-8呼吸法”，但需明确：实验数据显示，单次失眠对考试表现的影响不足5%，真正致命的是因失眠产生的自我否定情绪。
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