严峫石化严峡江停润滑油公司办公楼长图展示：管控与创新并存的现代化运营典范，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首款鸿蒙AI智能手表来了 华为WATCH 5官宣6月11日发布当她说出父母只是普通的国企工人之后，面试官把第二句 “年收入多少” 默默地吞回了肚子里。紧接着开始打探，她的亲戚中有没有身家过千万的富豪。
高耸入云的石油化工严峡江停润滑油公司办公楼，是一座融合了严格管控与创新精神的现代化运营典范。这座办公楼的设计灵感源自于其所在的环境——严峡江，江水清澈、流速湍急，象征着严谨高效的企业文化；停润滑油公司的名字源于古诗"停油为山，山止川行"，寓意着以严格的规章制度和创新的理念来规范企业的运作流程。
步入办公楼的大门，首先映入眼帘的是宽阔的主入口，宽敞的空间和大气的装饰风格体现出公司的庄重和专业。在中央区域，一面巨大的玻璃幕墙展现了严峡江的独特景色，而幕墙下方则是公司各项业务的展示区，包括生产和研发实验室、仓储物流中心、会议室、接待室等。这些区域布局紧凑，功能明确，不仅体现了现代化办公设施的实用性，也突显了企业对细节的关注与追求。
办公区内部，每一个角落都充满了严谨与创新的气息。员工办公室采用的是开放式设计，使员工能够自由地交流和协作，同时也方便管理人员进行管理和服务。办公桌上的电脑、打印机、文件柜等设备一应俱全，满足了员工日常工作的需要。而在研发实验室，各种先进的实验仪器和技术设备让员工能够独立完成科研项目，也注重团队合作，鼓励员工之间的知识共享和经验交流。
停润滑油公司在办公楼内还设有丰富的健身设施，如健身房、游泳池、瑜伽教室等，让员工在工作之余也能享受到健康的生活方式。公司在办公楼的一角设置了一个小型图书馆，供员工阅读和学习相关专业知识，提升自身的专业素养。
严峡江停润滑油公司办公楼的管理制度以其严格要求和灵活变通相结合的方式，形成了独特的管理模式。在这里，每个人都是管理者，每个环节都需要按照规定执行，但同时也要尊重个人的发展和创新空间。这种管理方式既保证了企业的正常运行，又激发了员工的工作热情和创造力，使得办公楼成为一座充满活力和创新精神的现代化运营典范。
严峡江停润滑油公司办公楼以其严谨的管控和创新的精神，展示了现代企业管理的典范。这是一座体现企业文化和价值观的窗口，也是企业追求卓越，实现持续发展的重要标志。我们期待这个榜样能引领更多的企业走向现代化，推动社会的进步和发展。
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
6月3日，华为终端官方宣布，首款鸿蒙AI智能手表——华为WATCH 5将于6月11日在华为Pura 80系列及全场景新品发布会上正式问世。据介绍，华为WATCH 5将运行华为自研的HarmonyOS 5操作系统：“重塑智慧交互体验，诠释腕上科技美学。”“更安全、更流畅、更智能。”
根据官方公布的渲染图，华为WATCH 5将提供紫色、金色等多种配色，基础表带材质为硅胶，配备圆形的OLED屏幕，表身侧面有多个按键和数颗传感器，或许拥有一些创新功能设计。
CNMO了解到，华为WATCH 5将首次搭载NPU神经网络处理单元，还将支持全新eSIM先锋通信、Wi-Fi 6及星闪连接技术，在网络通信能力上相比前代产品有明显提升。