揭秘黑人超级巨作欧美区域：一区二区的瑰宝与独特魅力剖析，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小米汽车登记机盖和铭牌著作权 SU7 Ultra机盖曾引争议除规定文具及相关证件外，严禁携带手表、手机、电子设备等非考试物品进入考点。考场内提供草纸和垫板，考生无需自备。
关于黑人超级巨作欧美区域的魅力与瑰宝，其深度剖析需从一区二区两个核心区域入手。一区是美国南端的纽约市，这里汇聚了世界最顶级的艺术、时尚和娱乐资源，被誉为全球最具活力和影响力的都市之一。
纽约艺术界以巴特勒·弗里曼、罗伯特·达利、古斯塔夫·马蒂斯等大师为代表，他们的作品以创新思维和独特的视觉语言引领了20世纪艺术的潮流。在中央公园、大都会艺术博物馆、现代艺术博物馆等多个世界级艺术馆，无论是大型雕塑装置还是小型画作，都能在这里找到属于自己的位置。百老汇和斯特恩剧院的音乐剧、歌舞表演、电影制作，都是纽约演艺圈的标志性之作，为人们带来了一场视听盛宴。
纽约时尚界同样闻名遐迩，其中最为瞩目的莫过于哈莱姆区，这是全美最大的非洲裔美国人社区。这里的时尚潮流深受非洲文化影响，充满浓厚的街头文化和复古元素。哈莱姆区的街头服饰、手工艺品、艺术展览等，都代表了非洲裔美国人对美的独特理解和创造。哈莱姆区也是各种音乐、电影、文学活动的重要举办地，如独立艺术家节、黑人电影节等，吸引了世界各地的时尚爱好者前来探索和体验。
位于北美洲西北部的洛杉矶，以其多元的文化和丰富的历史遗迹被誉为北美文化的核心。好莱坞和迪斯尼乐园是全球最有名的影视创作基地，汇集了来自世界各地的知名导演、演员、编剧和特效团队。在这些影视产业的中心地带，可以看到许多经典的电影作品，如《肖申克的救赎》、《教父》、《泰坦尼克号》等，它们不仅在国内拥有无数忠实观众，也在国际上赢得了无尽赞誉。
除了纽约和洛杉矶，其他如波士顿、费城、费城艺术博物馆等城市也各有特色。波士顿是美国最早的高等教育机构所在地，拥有哈佛大学、麻省理工学院等世界顶尖学府，同时也是众多音乐剧、戏剧节和节日的发源地。费城则以其精美的建筑、丰富的历史文化以及独特的人文风情而著称，包括费城艺术博物馆、费城联合广场、艾伦·金斯堡纪念馆等。而在费城的北部，费城动物园、宾夕法尼亚州立大学等自然风光和科研机构也为人们提供了丰富的休闲娱乐选择。
美国南端的纽约市、北美洲西北部的洛杉矶以及中部的哈莱姆区，无疑是黑人超级巨作欧美区域的瑰宝与独特魅力所在。他们各自承载着深厚的历史文化底蕴、独特的艺术传统以及繁荣的商业活力，吸引着世界各地的人们前去探寻和欣赏。在这片多维度、多样的土地上，每一座城市都在用自己的方式讲述着一段段关于美、关于故事、关于生活的传奇故事，从而共同构建起一个丰富多彩、富有活力的世界文化交流网络。
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
【CNMO科技消息】近日，小米汽车科技有限公司登记了多项作品著作权，涵盖“机盖”“铭牌”等设计领域。根据公开信息，该公司成立于2021年11月，法定代表人为雷军，注册资本10亿元人民币，由小米科技有限责任公司全资持股。
小米SU7 Ultra设计细节
CNMO获悉，在设计创新方面，小米汽车近期已登记多项美术作品著作权，包括“小米SU7 抽象艺术轮廓标识”“智能屏界面设计”“汽车”“智能仪表表情动态”“小米汽车轮毂”等，其中“SU7抽象艺术轮廓标识”被明确归类为美术作品。
然而，小米汽车的设计理念也因部分争议引发讨论。以SU7 Ultra车型为例，其碳纤维双风道前舱盖设计曾因“功能实用性存疑”“信息表达不清晰”等问题引发用户不满。2025年5月，小米汽车官方回应称，该设计复刻了原型车造型，旨在优化空气动力学性能并辅助散热，但因未充分说明实际效果，导致用户误解。对此，小米承诺为未交付订单提供限时改配服务，并向已提车用户赠送积分奖励。