探索国产优质导航：品质驱动下的导航创新与发展，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原创 杨幂前夫刘恺威只能演话剧！51岁帅气似小伙身高被热议朝鲜劳动党中央军事委员会向调查组下达指示并表示，调查组需要查明事故发生原因，此次事故是不可容忍的犯罪行为，有关责任人不能逃脱罪行。
以下是我为您撰写的文章：“探索国产优质导航：品质驱动下的导航创新与发展”
随着科技的进步和社会的发展，交通出行方式越来越多样化和智能化。而作为人类日常生活的重要组成部分，导航系统无疑在其中扮演着至关重要的角色。近年来，随着我国自主研发能力和科技创新水平的不断提升，国产导航系统以其独特的品质优势，引领了全球导航市场的新一轮变革。
从技术层面来看，国产导航系统的品质主要体现在以下几个方面。高精度定位是其核心竞争力之一。相比国际品牌，国产导航系统通常采用更高精度的GPS、惯性导航、北斗等定位技术，能够更准确地确定车辆位置和行驶方向，确保驾驶员在复杂的路况下行驶的安全性和稳定性。具有高度自主化的技术设计也是国产导航系统的一大特点。中国的导航企业往往能够在算法架构、数据处理、用户界面等方面实现独立研发和优化，能够满足不同客户群体的需求，提供个性化的导航服务。国产导航系统还注重用户体验，通过精细化的路线规划、智能路况识别、精准信息推送等方式，提升用户的导航使用体验。
无论是从技术创新还是用户体验的角度看，国产导航系统的品质发展并未止步于此。在品质提升的国产导航系统也在不断探索创新和发展新的发展方向。例如，基于人工智能和大数据的导航系统，以深度学习和机器学习算法为核心的导航模式，能够实时分析和预测道路状况，为驾驶员提供更加精细和个性化的导航服务；基于5G网络的导航系统，凭借高速的数据传输速度和低延迟的定位能力，可以实现实时、多路、无缝的导航服务，大大提高了导航的便利性和实用性。
与此国产导航系统也日益重视社会责任和环保理念。一方面，通过与多家电信运营商的合作，推动导航应用的IPv6普及和兼容性升级，以保障导航设备对5G网络的支持，同时也降低因网络问题导致的导航误判风险；另一方面，鼓励导航企业参与新能源汽车、自动驾驶等领域的技术研发，推进交通出行方式的绿色转型，以减少对环境的影响。
国产导航系统的品质驱动使其在品质上取得了显著的优势，而在不断创新和发展道路上，中国导航企业在打造高品质导航系统的也在积极履行社会责任，致力于推动我国交通行业的科技进步和社会进步。在未来，随着科技水平的进一步提高和市场需求的变化，国产导航系统必将在全球导航市场中发挥更加重要的作用，为中国人的出行生活带来更多的便捷和舒适。
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
前阵子，杨幂的前夫刘恺威来到淮安出演话剧《雷雨》，被许多网友偶遇，引发热议。51岁刘恺威身穿黑色外套搭配灰色小衫，一身休闲装扮，帅气十足。
出生于1974年的他，今年已经51岁了，但他身材很瘦，一点也不发福、油腻。他双手插兜，状态十分放松，与工作人员同行时，笑起来也很清爽、阳光，就像一个年轻的帅小伙！