「止済军旅」：挑战极限的指挥官15天1小时挑战！揭秘军队严控时间的秘密与策略，绍伊古访问朝鲜 将与金正恩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孩子情绪波动的根源在于自身神经系统的调节，而触觉的刺激会有效的改善和调节自身触觉系统波动的一个情况。触觉按摩是我们最有效去解决孩子情绪波动和脾气问题的最好方式。
标题：「止済军旅」：挑战极限的指挥官15天1小时挑战
在军事领域，一场持续15天、每晚1小时的特殊训练项目——「止済军旅」，以其独特的挑战模式和严格的组织纪律，被誉为是军人极限体能测试中的巅峰之作。这场挑战不仅仅考验了指挥官们的实战经验，更向世人展示了军队对于时间管理的高效运用和对部队士气的严格管控。
「止済军旅」的核心目标是提高指挥官们的工作效率和战斗准备能力，通过科学的时间管理方式，引导他们在有限的时间里完成高强度的任务。这项挑战设计源自于军方对现代战争环境的深刻洞察，即战争节奏紧凑、时间紧迫，指挥官必须在短短的一小时内，灵活调度兵力部署、指挥作战行动、应对突发情况等各项任务。
在这项挑战中，指挥官们被要求以一天24小时为单位，每天晚上1小时，在规定时间内完成以下四项核心任务：
1. **规划战斗部署**：在指定区域内，指挥官需根据战场态势和上级命令，制定出合理的战斗部署方案，并确保每个兵种的合理配置和协同配合。指挥官还需准确估算后续战斗可能面临的资源消耗以及可能的敌情变化，以便及时调整战术部署。
2. **指挥战斗行动**：指挥官在接到指令后，迅速启动战车，利用各种通信工具实时掌握战场动态，并向各兵种下达具体的战斗命令，包括但不限于发起进攻、撤退、集结、撤离等具体操作。在执行过程中，指挥官需要做到反应灵敏、决策果断，确保整个战斗过程有序进行。
3. **调度兵力资源**：指挥官需要根据部署计划，合理调配部队资源，包括人员、武器装备等，以满足战斗需求的保证部队的机动性和战斗力。在实施过程中，指挥官需密切监控各个兵种的兵力使用情况，确保部队能够快速响应、有效应对突发状况。
4. **应对紧急情况**：当面临突然的战斗冲突或重大损失时，指挥官应迅速启动应急机制，如预警、紧急救援、疏散等，并组织各兵种迅速集结，迅速恢复战场秩序。在处理紧急情况的过程中，指挥官需要保持冷静、沉着，及时分析问题根源并采取针对性的对策，力求尽快平息危机，维护战场稳定。
「止済军旅」的成功在于其精细的时间管理和严格的战略控制。一方面，指挥官们充分运用现代信息技术，实时掌握战场信息，提高了决策效率；另一方面，他们严格遵守军队的规章制度，严格执行各项规定，确保每一个命令都能得到及时、准确、有效的执行，从而保证了战斗部署的科学性、合理性、可行性。
「止済军旅」也反映了军队严控时间这一重要理念。无论是在战争中的生死存亡，还是在日常的指挥工作中，时间都是极其宝贵的资源。军人们在面对各种压力和挑战时，不仅要注重提升自己的专业技能，更要学会有效地管理时间，把时间用在刀刃上，提高工作效率，增强部队的整体战斗力。
「止済军旅」以其严酷的时间管理和严格的组织纪律，不仅体现了军队严控时间的智慧，更是展现了军人对生命的尊重和对使命的坚守。这是一场充满挑战、富有意义的军事训练活动，它激励我们在人生的战场上，既要全力以赴，又要把握好时间，以期在有限的时间里创造最大的价值，实现自身的人生理想和职业追求。
据央视新闻消息，总台记者当地时间6月4日自俄罗斯方面获悉，俄联邦安全会议秘书绍伊古抵达平壤进行访问。他将与朝鲜最高领导人金正恩会面，讨论两国全面战略伙伴关系条约相关内容的落实以及包括乌克兰问题在内的国际局势。（总台记者 王德禄）
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