XXNX23夏日限定日本泳装：魅力与清凉的完美融合，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沪深300ETF易方达：6月3日融资买入801.3万元，融资融券余额2.86亿元除了航母和两栖攻击舰，中国海军的“后勤支援兄弟”——901A型综合补给舰也同样值得一提。它的排水量为4万吨，可以为航母和护卫舰提供油料、弹药和物资补给。预计到2025年，第四艘901A型补给舰将下水，而第五艘已经在建，外界猜测可能还会有第六艘在计划中。这一速度远超预期，西方原本认为中国会先将福建舰的补给工作做完，再考虑扩建其他舰艇，然而中国的进展显然超出了他们的预想。
根据夏天的盛景，我们欣喜地迎来了XXNX23夏日限定的日本泳装。这个充满魅力和清凉的独特系列，不仅延续了夏季的清新与活力，更以独特的设计，诠释了夏日游泳的别样风情。
让我们聚焦于这款泳装的色彩元素。XXNX23以鲜艳的浅蓝为主色调，给人一种宁静而神秘的感觉，仿佛可以带你走进一片无尽的蔚蓝海洋。深蓝象征着大海的宽广和深度，同时也预示着在炎炎夏日中寻求宁静和放松的空间。而在泳装的细节上，设计师巧妙地运用了金色、银色等金属光泽，为泳装增添了一份奢华和高贵的气息。这种对比鲜明的颜色搭配，既展现了夏日海滨的纯净与自然，又赋予了泳装独特的时尚感。
XXNX23的款式设计也是其魅力所在。泳装设计巧妙结合了泳衣和泳裤的特点，既能展现女性的优雅曲线，又能提供舒适的穿着体验。在设计上，泳衣采用了多层次的剪裁结构，既有紧贴身体线条的高腰设计，也有宽松舒适的大摆裙摆，使得泳装在保持性感的也兼顾了休闲和运动的需求。泳裤部分采用高弹力面料，具有良好的吸湿排汗性能，既能在高温下保持干爽，又能让穿着者在水中自由畅游。
XXNX23还融入了许多夏日必备的元素。例如，它采用了透气网眼面料，能够有效防止汗水积累，让穿着者在游泳时始终保持清爽。设计师还在泳帽、泳镜和防晒霜等方面进行了精心设计，确保防晒效果和舒适度兼具。这些贴心的设计，无疑为穿着者营造出了一种轻松、舒适且充满夏日乐趣的泳装氛围。
XXNX23夏日限定的日本泳装以其独具特色的色彩、精致的设计以及丰富的功能性赢得了广大消费者的喜爱。无论是清新淡雅的蓝色调，还是豪华高贵的金色金属，都能让人在炎炎夏日中感受到一种独特的清凉与魅力。在此基础上，泳装的实用性与时尚性相结合，使得它的吸引力进一步增强，成为了夏季不可或缺的一道亮丽风景线。无论你是喜欢追求简约风格的白领，还是热爱户外活动的运动员，XXNX23的夏日限定日本泳装都将为你带来极致的清凉享受和夏日的乐趣。在这个充满夏日气息的美好季节里，让我们一同感受XXNX23夏日限定日本泳装的魅力与清凉，尽享夏日的清凉与魅力吧！
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，6月3日，沪深300ETF易方达（510310）融资买入801.3万元，融资偿还560.45万元，融资净买入240.85万元，融资余额2.86亿元。
融券方面，当日无融券交易。
融资融券余额2.86亿元，较昨日上涨0.85%。
小知识
融资融券：融资余额是指融资买入股票的金额与融资偿还的金额之间的差额。如果融资余额增加，说明投资者心态偏向买方，市场受欢迎，是强势市场；反之，则属于弱势市场。融券余额是指每日卖出的融券金额与偿还的融券金额之间的差额。融券余额增加，说明市场趋向卖方市场；相反，它倾向于买方。