东北国风风情：白浆诱惑下的狂野无序，尽显国产无套之色！，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股票行情快报：深南电路（002916）6月4日主力资金净卖出4512.38万元国际形势：区域政治扰动，逆全球化趋势加剧，自主可控需求迫切，从国家安全、信息安全、产业安全的角度来讲，信创领域，均有国家大力扶持和企业加速发展的必要性；
以下是一篇以“东北国风风情：白浆诱惑下的狂野无序，尽显国产无套之色！”为主题的中文文章：
《白浆诱惑下的东北国风风情》
在中国这片广袤的土地上，有一种独特的美，那就是东北国风。它既有北方粗犷豪放的原汁原味，又不乏南方婉约细腻的艺术韵味，其中最为引人注目的就是那份对大自然和自由的无限热爱，以及那里的独特风俗和文化。
说到东北国风，首先不得不提到的就是它所代表的传统东北服饰——白浆裤。这种裤子以其特有的白色和红色，搭配粗糙、大尺寸的布料，构成了极具地域特色的服装风格。在寒冷的冬季，穿上一条这样的裤子，不仅能在御寒的展现出东北人的朴实与坚韧，更是一种别样的时尚感。而当夏日炎炎，人们则会换上清爽、透气的夏季服装，如宽大的汗衫、紧身短裙，或是具有民族特色的大花布短裤，这些都充分展现了东北人民对自然的热情和生活态度。
东北国风还有着丰富的饮食文化。东北菜以其麻辣鲜香、酸辣可口闻名全国，其中最著名的莫过于炖肉和锅包肉两大特色。炖肉选用五花肉或者猪蹄等食材，经过长时间慢炖，肉质变得软烂入味，肥而不腻；锅包肉则以面粉团裹住猪肉块，炸至金黄色，外酥里嫩，每一口都能感受到满满的幸福感。
东北国风还蕴含着浓厚的地方方言和民间艺术。在东北地区，方言丰富多彩，如哈尔滨话、鞍山话、长春话等，每个地方都有自己独特的语音和俚语，它们不仅展示了东北地区的地域特色，也丰富了人们的语言交流方式。而在东北地区，民间艺术更是精彩纷呈，例如东北二人转、秧歌、舞龙舞狮、皮影戏等，这些传统艺术形式不仅富有浓郁的地方色彩，更展现了东北人民的生活乐趣和精神风貌。
东北国风的魅力在于其独特的地域性和民俗风情，它既有北方的粗犷豪放，又有南方的婉约细腻，形成了鲜明的民族特色和地域特色。在白浆诱惑下，东北国风展现出了它的狂野无序和无套之色，这种纯正的国风风情，是中华民族历史文化的瑰宝，也是我们每个人心中不可替代的文化符号。让我们一起，感受东北国风的魅力，传承这份独特的魅力，让我们的生活更加丰富多彩。
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，截至2025年6月4日收盘，深南电路(002916)报收于88.17元，上涨2.3%，换手率1.55%，成交量10.29万手，成交额9.07亿元。
6月4日的资金流向数据方面，主力资金净流出4512.38万元，占总成交额4.97%，游资资金净流出7169.75万元，占总成交额7.9%，散户资金净流入1.17亿元，占总成交额12.88%。
近5日资金流向一览见下表：
近5日融资融券数据一览见下表：
该股主要指标及行业内排名如下：
深南电路2025年一季报显示，公司主营收入47.83亿元，同比上升20.75%；归母净利润4.91亿元，同比上升29.47%；扣非净利润4.85亿元，同比上升44.64%；负债率42.14%，投资收益301.59万元，财务费用1047.71万元，毛利率24.74%。深南电路（002916）主营业务：专注于电子互联领域,致力于“打造世界级电子电路技术与解决方案的集成商”,拥有印制电路板、电子装联、封装基板三项主营业务。
该股最近90天内共有21家机构给出评级，买入评级17家，增持评级4家；过去90天内机构目标均价为108.41。
资金流向名词解释：指通过价格变化反推资金流向。股价处于上升状态时主动性买单形成的成交额是推动股价上涨的力量，这部分成交额被定义为资金流入，股价处于下跌状态时主动性卖单产生的的成交额是推动股价下跌的力量，这部分成交额被定义为资金流出。当天两者的差额即是当天两种力量相抵之后剩下的推动股价上升的净力。通过逐笔交易单成交金额计算主力资金流向、游资资金流向和散户资金流向。
注：主力资金为特大单成交，游资为大单成交，散户为中小单成交