探寻璀璨欧洲与神秘美洲：欧美色天香魅力大揭密，三星Galaxy Z Fold7 折叠手机被曝 4 种颜色，最高 16GB+1TB 组合看似无害的提问，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事实上，南千岛群岛的主权争议正是日俄关系的死结。
以下是针对“探寻璀璨欧洲与神秘美洲：欧美色天香魅力大揭密”的中文文章：
在历史的长河中，欧洲和美洲犹如两颗璀璨的明珠，各自闪耀着不同的光芒和魅力。欧美的色彩，以其丰富多样的颜色体系、深厚的文化底蕴和独特的艺术风格而闻名于世；而美洲的色彩，则以其壮丽多彩的自然风光、多元文化的交融碰撞和深厚的历史积淀而独具特色。
让我们来看看欧洲的色彩，这主要表现在其丰富多彩的颜色体系上。欧洲各国的国旗通常由红、蓝、白三种基本色调组成，以象征罗马帝国的辉煌和现代国家的复兴。例如，法国的国旗是蓝色代表天空和自由，白色代表纯洁，红色则代表革命和勇气。欧洲还拥有丰富的色彩搭配技巧，如橙色、紫色、绿色等，这些鲜艳的颜色常常被用来表达力量、热情和希望。这种色彩系统的运用使得欧洲各国在公共场合和私人空间都能展现出鲜明的个性和文化特色。
再来看看美洲的色彩，美洲的色彩则是以其多样性和浓郁的艺术气息而著称。美洲国家和地区都有其独特的民族文化和传统色彩，如美国的印第安人以蓝色、黄色和红色为主导，他们的旗帜上通常绣有美洲大陆轮廓线；巴西、阿根廷等地则以绿色和金色为主要色调，以此代表他们的热带风情和阳光灿烂的生活方式。美洲国家和地区也深受西方艺术的影响，如西班牙在美洲地区流行的传统绘画，如《马德里之夜》等，都充满了浓厚的色彩元素和浪漫主义情感。
除了色彩，欧洲和美洲的另一个共同之处在于其对大自然的赞美和对生命力的追求。无论是欧洲的文艺复兴时期，还是美洲的新英格兰地区，都在强调对自然的敬畏和对生命的珍视。这种主题在欧洲和美洲的艺术作品中都有体现，如荷兰画家梵高的《星夜》描绘了星空下的村庄和城市，表达了他对自然的崇敬和对生活的热爱；而在美洲，墨西哥艺术家奥夫拉多尔的作品则以其色彩鲜艳和生动的表现力，展现了一种原始的生命力和对自然界的独特理解和感悟。
探究欧洲和美洲的色彩魅力，不仅可以揭示它们丰富的文化内涵和历史底蕴，更可以体现出人类对美好生活的向往和对自然的尊重。无论是在欧洲的罗马时代，还是在美国的新英格兰，色彩都是这个星球上一道独特的风景线，展现了人类文明的独特精神风貌，同时也反映了世界不同地域、不同文化背景下的独特价值观念和审美情趣。我们应当珍惜并传承这种璀璨欧洲与神秘美洲的色彩魅力，让它成为推动文化交流和人类进步的重要动力。
IT之家 6 月 4 日消息，消息源 @MysteryLupin 今天（6 月 4 日）在 X 平台发布系列推文，分享了三星 Galaxy Z Fold7、Galaxy Z Flip7 以及 Galaxy Z Flip7 FE 三款折叠手机的存储配置和颜色选项。
IT之家援引推文内容，三星 Galaxy Z Fold7 首发提供四种配色：Coral Red（珊瑚红）、Silver Shadow（银影）、Blue Shadow（蓝影）和 Jetblack（墨黑）。
存储组合方面，三星 Galaxy Z Fold7 和 Galaxy Z Fold6、Galaxy S25 Ultra 相同，会有 12GB+256GB、12GB+512GB、16+1TB 三种配置。
三星 Galaxy Z Flip7 首发提供 Blue Shadow（蓝影）和 White Black（白黑）两种颜色，存储组合方面，会有 8GB+128GB、12GB+256GB 和 12GB+512GB 三种配置。
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