2017CAOLIU：探索数字社区的蓬勃发展与创新力量，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公告速递：易方达黄金主题（QDII-LOF-FOF）基金2025年6月9日暂停申购、赎回及定期定额投资业务“这个时代当下急需正本清源，回归常识。这种常识有很多，其中首先还是要重视‘一剧之本’。”陈涌泉说，我们常说剧本剧本“一剧之本”，剧本不牢，地动山摇，这个问题总在说，却总是在实践中被忽视，“戏剧文学不但是文学，而且是最高级的文学，它是文学皇冠上璀璨的明珠”。
题目：2017 CAOLIU：探索数字社区的蓬勃发展与创新力量
在当今信息化时代，数字社区作为新兴的社会基础设施和创新平台，正在全球范围内蓬勃发展，并展现出强大的创新力。中国也不例外，其数字化进程中的创新成果和对社区建设的贡献，无疑为全球带来了深刻启示。
中国数字社区的发展始于2017年，这一年，中国的互联网用户数量突破了13亿大关，标志着中国数字社会时代的正式开启。这一时期，中国的数字社区经历了从无到有、从小到大的发展历程，逐步实现了从单一的社交工具应用到多元化、智能化的社区服务转型升级。
一方面，随着移动互联网的普及和智能手机的广泛使用，数字社区得以迅速覆盖全国乃至世界各地的消费者。通过各种社交媒体平台如微信、QQ、微博等，数字社区不仅连接起普通人的日常生活，也为企业进行品牌推广、产品展示、用户互动提供了丰富的网络渠道。电商平台、在线教育平台、音乐、游戏等领域也在数字社区中找到了新的应用场景，为人们的生活提供了更多的便利和乐趣。
另一方面，数字社区的创新力量主要体现在以下几个方面：
以云计算、大数据、人工智能为代表的数字技术被广泛应用到了社区服务之中。通过云计算，数字社区可以实现数据共享、资源优化配置和智能决策等功能，提升服务效率和质量。例如，许多城市居民通过手机App一键预约医疗专家，通过智能推荐算法推送个性化的健身课程，这些都依赖于云计算的强大计算能力和大数据分析能力。
数字社区的发展也推动了社区治理模式的变革。传统的社区管理模式往往是基于政府行政干预和社区自治的，而现在，数字社区则引入了社区自组织、开放合作、多方参与的新理念，形成了由社区管理者、企业、公民共同参与的多元治理机制。这种模式既保证了社区事务的高效推进，又充分尊重了公民的权利和利益，增强了社区的活力和凝聚力。
再次，数字社区的创新还体现在公共服务领域的改革上。比如，北京推出的“虚拟现实+政务服务”新模式，将线上与线下深度融合，为居民提供了一站式、全链条的服务体验，极大地提高了公共服务的便捷性和可达性。数字社区也是数字政府建设的重要载体，各地纷纷出台了一系列政策法规，规范数字社区的发展，保障公众隐私和信息安全。
2017年是中国数字社区快速发展的关键一年，其开创性的发展思路和显著的创新成果，为中国和其他国家的数字社区建设积累了宝贵的实践经验。未来，随着5G、物联网、区块链等新技术的应用，数字社区将在更多领域发挥重要作用，为人类创造更加美好的生活空间和工作环境。我们也期待看到更多数字社区的诞生，引领我国在全球数字社区发展中扮演更重要的角色，为构建新型数字社会做出更大的贡献。
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
证券之星消息，6月4日易方达基金管理有限公司发布《易方达黄金主题证券投资基金（LOF）2025年6月9日暂停申购、赎回及定期定额投资业务的公告》。公告中提示，为2025年6月9日为瑞士证券交易所非交易日，自2025年6月9日起易方达黄金主题证券投资基金（LOF）2025年6月9日暂停申购、赎回及定期定额投资业务，下属分级基金调整明细如下：
注:（1）易方达黄金主题证券投资基金（LOF）（以下简称“本基金”） A类人民币份额场内简称为黄金主题LOF。
（2）本公告中暂停及恢复申购和定期定额投资业务仅针对本基金A类人民币份额。根据相关公告，本基金A类人民币份额自2025年5月23日起暂停在全部销售机构的大额申购业务，单日单个基金账户在全部销售机构累计申购（含定期定额投资）本基金A类人民币份额的金额不超过100元（含）。本基金A类人民币份额恢复办理大额申购业务的具体时间将另行公告。
（3）根据相关公告，本基金A类美元份额、C类人民币份额、C类美元份额自2022 年3月7日起暂停申购及定期定额投资业务，恢复办理申购及定期定额投资业务的时间将另行公告。
（4）本次暂停及恢复赎回业务针对本基金所有基金份额类别（A类人民币份额基金代码为161116，A类美元份额基金代码为007977，C类人民币份额基金代码为007976，C类美元份额基金代码为007978）。