【今日谜语】支付宝每日一题：今天的正确答案是什么？详解带你挖掘宝藏！，俄媒：绍伊古抵达朝鲜平壤 计划与金正恩再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游客数量的增多给天门洞旅游区带来了环境和资源的保护难题。为了确保这一自然景观能够持续流传下去，相关部门实施了诸如控制游客数量、强化环保教育等举措，致力于增强游客的环保观念，降低旅游活动对环境的负面影响。
中国互联网金融巨头——阿里巴巴的创新之作——“支付宝”在众多用户心中留下了深刻的印象。作为一款集支付、理财、生活服务于一体的综合性应用，其丰富的功能和便捷的操作深受广大消费者的喜爱。近日，“支付宝每日一题”这一活动引起了用户的广泛关注和积极参与，今天，让我们一起揭开这个谜题的答案。
支付宝每日一题以“今天的正确答案是什么？”为主题，通过简洁明了的题目设计，引导用户在日常生活中寻找与之相关的知识和信息。在这个过程中，不仅能让用户提升对支付宝的认知，更能够激发他们的好奇心和求知欲，让他们在享受便利的也能享受到知识的滋养。
在答题过程中，我们可以通过以下步骤来逐步揭秘今日的正确答案：
1. 我们需要了解什么是“支付宝每日一题”。简单来说，“支付宝每日一题”是指支付宝每周或每月会推出一个主题的挑战性问题，这些问题通常以易懂的方式引发用户思考，帮助他们增长知识、扩展视野，并且有助于提升使用支付宝的熟练度和效率。
2. 打开支付宝APP，找到并点击“首页”选项，可以看到“今日谜语”的入口，点击进入后，页面会出现一系列的题目供用户选择。题目内容通常包括时事新闻、科学常识、文化典故等多方面的知识领域，涵盖面广泛，既可以帮助用户了解最新的社会动态，也有助于培养他们深入思考和分析的能力。
3. 在确定好今日的问题类型后，用户需要仔细阅读题目描述，明确所要回答的问题的具体要求和范围，例如答案是否需要包含具体的历史事件、人物、地点等细节，或者答案是否需要符合一定的逻辑推理顺序等。这样既可以确保解答准确无误，又可以避免因不熟悉题目的背景和要求而导致的回答失当。
4. 确认完题目要求后，用户可以选择自己感兴趣的题目进行作答。在作答的过程中，需要注意的是，每个题目可能会给出多种可能的答案，而关键在于找出其中最符合题目要求的一条。这不仅可以考验用户的知识储备和思维能力，也可以锻炼他们在面对复杂问题时的判断和处理能力。
5. 在所有题目都已完成作答后，用户可以在“今日谜语”页面查看自己的答案记录和成绩。通过查看自己的得分情况，我们可以直观地了解到自己的答题水平和进展，这对于后续的学习和提高也具有重要的参考价值。
“支付宝每日一题”作为支付宝的一项重要活动，旨在通过寓教于乐的方式，引导用户在日常生活中主动学习、探索和应用各类知识，提升自身的综合素质和竞争力。无论是对于支付宝用户还是广大非支付宝用户，参与这一活动都是提升自我、拓宽视野、获取知识的有效途径，也是检验个人学习成果、展现自身才能的重要舞台。希望每一个参与者都能从中收获到乐趣，同时也期待在未来的时间里，有更多的机会参与到这项活动中来，共同开启属于我们精彩纷呈的知识世界之旅！
中新网6月4日电 据俄罗斯卫星通讯社4日报道，俄罗斯联邦安全会议秘书绍伊古遵照俄罗斯总统普京的指示前往平壤。最新消息称，绍伊古已抵达平壤。按计划，他将与朝鲜最高领导人金正恩会面。
图片来源：俄罗斯卫星通讯社报道截图
据俄罗斯联邦安全会议办公厅新闻处消息，会谈期间计划讨论落实俄朝《全面战略伙伴关系条约》的部分条款。此外，双方预计将讨论国际热点问题。
俄罗斯卫星通讯社指出，此次行程是俄罗斯安全会议秘书近几个月来第二次访问平壤。绍伊古上一次到访平壤是在2025年3月。
资料图：当地时间3月21日，朝鲜最高领导人金正恩会见到访的俄罗斯联邦安全会议秘书绍伊古。 图片来源：朝中社
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