五月丁香国产绽放：品质典范——品味五月丁香的神秘魅力，韩新政府将重启首脑外交 李在明6月中旬或与特朗普会谈看似无害的提问，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蓝天立早年在广西壮族自治区宜山县做教师，1983年进入广西民族学院物理系物理专业学习，毕业后成为自治区科学技术委员会干部。此后，他在自治区科技委逐步升迁，2003年升至广西壮族自治区科学技术厅厅长、党组书记。
二月的寒梅初绽，三月的桃李争艳，四月的牡丹吐蕊，五月初夏，人间最美的花季莫过于丁香。在五月，丁香以其独特的香气和深邃的韵味，成为了中国传统文化中的一道亮丽风景线。
丁香，原产于亚洲、欧洲及北美洲，属于芸香科植物，以其独特的花朵形态、浓郁的香味和美丽的色彩，在全球范围内都享有极高的知名度和美誉度。在中国，丁香因其与春天的浪漫相遇，被誉为"春的气息之源"，是四季中最具有代表性的花卉之一。
丁香的花型优雅别致，花瓣紧密排列，呈十字形，宛如繁星点缀在绿色叶丛之中，散发出淡雅而清新的香气。这种香气不同于玫瑰的浓烈，更像是一缕轻柔的春风，让人仿佛置身于一个宁静而又充满活力的世界。淡淡的清香，既充满了生机盎然的气息，又不失一丝丝的甜蜜和温馨，给人带来一种愉悦和舒适的感觉。
丁香的颜色丰富多样，有白、红、黄、紫等颜色，其中最为人所知的是红色的丁香。红色的丁香花瓣娇艳欲滴，如同一团团火焰燃烧在枝头，给人带来强烈的视觉冲击力。红色的丁香还拥有浓郁的花蜜，轻轻一触就能感受到那种甘甜的滋味，让人心生欢喜。黄色的丁香、紫色的丁香以及白色的丁香也各有特色，为大自然增添了一抹绚丽的色彩。
丁香的香气不仅具有观赏价值，更是一种健康的生活方式。据中医理论，丁香可以温通经络，舒缓压力，具有很好的保健功效。研究发现，丁香精油具有抗炎、抗氧化、镇静、促进血液循环等多种功能，对于缓解头痛、失眠、焦虑等症状有着显著的效果。丁香也被广泛应用于食品行业，如茶饮、糖果、糕点等，不仅可以提升食品的口感和风味，更能够增强食品的营养价值，使其更具健康美味。
五月的丁香，以其独特香气和深邃韵味，成为中国传统文化中一道独特的风景线，也是人们品鉴生活品质的重要选择。无论是在家中，还是在公共场所，都可以看到各种各样的丁香盛开，让五月的丁香变得更加神秘和迷人。正如古人所说：“五月丁香浓似酒，醉了世人情未尽。”让我们在欣赏丁香的美丽的也能感受到它的深厚内涵和丰富的文化内涵，品味到五月丁香的魅力所在。
中新网6月4日电 据韩联社报道，随着韩国李在明政府当地时间6月4日成立，韩国首脑外交也将时隔半年重启。
当地时间2025年5月21日，韩国仁川，李在明出席竞选活动。图/视觉中国
报道称，李在明最快可能于6月中旬与美国总统特朗普首次举行会谈。6月15日至17日在加拿大举行的七国集团(G7)峰会可能成为韩美领导人会晤的首个平台。
今年的主席国加拿大已表明将邀请韩国参加峰会的意愿，因此在李在明就任总统后有望收到加方的邀请函。
据报道，虽然李在明在游说拜票时曾表示，将致力于治理内政，对是否出席七国集团峰会持有保留态度，但此次峰会是其可与主要西方国家领导人见面的机会，因此李在明可能接受邀请。
不过，报道指出，由于是多边外交舞台，李在明与特朗普难以举行有深度的双边会谈，但面临众多悬而未决的外交事务，两国领导人可借机了解彼此立场。
另外，根据历届韩国总统就任后访美的惯例，李在明也可能在就任后尽快推进访美事宜。韩国政府正在争取促成总统7月访美。
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