四人趣味盎然，春雨之谜解密——换位游戏挑战春雨知乎中的知识与探索之旅，蔬菜中的“维C之王”竟是它？含量是西红柿的近10倍！每天吃一个就够了看似无害的提问，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从当前上市准备情况来看，在这三家城商行中，柳州银行截至2024年末总资产为2426.63亿元，与其余两家相差甚远，多年来上市进程未有实质性突破。
初中生小明、小红、小刚和小兰四位好友，在一场看似平凡的春雨之后，决定发起一场名为“换位游戏”的挑战。在游戏中，他们将自己置身于春雨中的神秘世界，通过一系列智力问答和知识探秘，解开春雨中隐藏的谜团，同时也在这个过程中增进彼此之间的友谊和理解。
在春雨的世界里，小明扮演了“知识守护者”的角色，他要解答春雨知乎中关于水的知识和科学原理。这不仅包括春雨的形成机理、水蒸气的基本形态，还包括对雨水循环系统的深入理解，以及如何利用雨水来灌溉农田、净化水质等现实问题。他的任务是通过各种问答环节，引导大家思考并掌握这些知识，并提出有趣的问题和讨论主题，让参与者在游戏中不断学习和进步。
小红则担任了“观察者”的角色，她需要关注春雨中的自然现象，如风、云、雨滴等等，通过细致入微的观察和记录，揭示出大自然的各种奥秘。她不仅要记录每一个雨滴的特点和轨迹，还要通过分析和解读这些信息，找出春雨的运作机制和规律。她的任务是通过对春雨过程中的各种变化进行描绘和分析，为其他人提供生动而直观的解释和启示。
小刚则扮演了“解谜者”的角色，他要通过解答春雨知乎中的各类问题和谜题，引导大家去探索春雨背后的故事和象征意义。这些问题可能涉及历史事件、文化典故、科学理论等方面，小刚需要用智慧和幽默的方式引导大家深入理解和挖掘这些内容，激发他们的创新思维和探究精神。他的任务是通过巧妙的设计和策略，帮助大家找到春雨中的密码，揭开其深层次的秘密。
小兰则担任了“协调者”的角色，她既要协调好四个小伙伴的角色分工，保证每个人都能够发挥自己的长处和优势，又要在游戏中起到桥梁的作用，促进团队合作和沟通交流。她的任务是确保每个人都能积极参与到活动中来，共同完成任务，解决难题，同时也能够倾听其他人的观点和想法，相互启发，共同成长。她的角色设计旨在引导大家学会尊重和包容，建立一个和谐、积极、开放的学习环境。
这场“换位游戏”的挑战，就像是一次春雨下的知识探索之旅。每个小伙伴都用自己的方式，演绎着各自的角色，展示出各自的风采和才华。他们在春雨的滋养下，不仅学到了丰富的知识和技能，也体验到了团队协作的乐趣和满足感。在这个过程中，他们不仅学会了理解和接纳不同的观点和看法，更深化了友情和信任，增进了互相的理解和尊重。
春雨的奇妙世界，如同一本充满无限可能的百科全书，等待着每个小伙伴去探寻和发现。通过这场“换位游戏”，小明、小红、小刚和小兰四位好友不仅解锁了春雨中的谜团，也从中学到了宝贵的人生经验和智慧。他们将以这次经历为动力，继续前行，向着更加广阔的世界和更深厚的人文底蕴进发。
在蔬菜界中，甜椒以其鲜艳的色彩和清脆的口感，常常被当作菜肴的点缀。其实，甜椒有着惊人的营养实力，现在就来了解下甜椒的营养优势。
1被低估的“低卡维C王者”
甜椒也叫柿子椒、灯笼椒，果肉厚实，清甜可口，不过很多时候人们会习惯性把常见的绿色甜椒叫青椒，将红色、黄色、橙色的甜椒称为彩椒。
甜椒大家族不仅好吃，营养也是相当不错。
在常见蔬菜里，甜椒的维生素C可以说是名列前茅，是被大家真正忽略了的“维生素C王者”。
根据《中国食物成分表》中的数据，青椒的维生素C含量高达130毫克/100 克，而同等重量的橙子维生素C只有33毫克/100克，柠檬则只有22毫克/100克，青椒的维生素C含量几乎是柠檬的近6倍！橙子的近4倍！也是可生食蔬菜西红柿的近10倍。
同为甜椒家族的彩椒维生素C含量也很不错，甚至比青椒还优秀！根据美国农业部食物营养数据库，黄色彩椒、橙色彩椒和红色彩椒的维生素C含量分别为139毫克/100 克、158毫克/100克、142 毫克/100克。
这意味着，咱们只需要吃一个中等大小的青椒或半个彩椒，就能满足成年人一天的维生素C需求了（维生素C的推荐摄入量RNI为100mg/d）。
最关键的是，吃甜椒补充维生素C不用担心会长胖，彩椒的热量约为30千卡/100克，而青椒热量更低，只有18千卡/100克，比大白菜还低；并且，甜椒的GI值只有15，属于低GI食物，碳水化合物也很低，一般在7%以下，即便是有控血糖需求的人群，也可以放心享用。
2不同颜色的甜椒有什么区别？
甜椒颜色鲜艳多彩，它的颜色变化实际上是受到了其成熟程度、植物化学物质组成、遗传基因等多种因素的影响。
所有甜椒最初都是绿色的，不同成熟果实的颜色是由果实中积累的类胡萝卜素类型及主要类胡萝卜素的相对含量决定的。
比如，红色彩椒果实中占优势的色素是辣椒红素和辣椒玉红素；而黄色彩椒由于缺少辣椒红素／辣椒玉红素合成酶，不能合成辣椒红素和辣椒玉红素，含有丰富的玉米黄质，所以呈现黄色。
甜椒这一颜色转变过程伴随着营养成分的显著变化，特别是胡萝卜素含量逐渐增加。绿色青椒的总胡萝卜素含量为134微克/100克、黄色彩椒为196微克/100克，而红色彩椒则达到了367微克/100克，几乎是青椒的近3倍。多吃富含胡萝卜素的食物，对眼睛健康有益。
除了胡萝卜素之外，颜色越深的彩椒钾含量也不错。数据显示，绿色青椒的钾含量为163毫克/100克，黄色彩椒的钾含量为197毫克/100克，红色彩椒则高达213 毫克/100克。饮食中增加富含钾的食物，不仅有利于保持血压平稳，还能维持肌肉和心脏的正常功能。
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