探索美食与创意：菜菜的鲜美与创新烹饪之道，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 印度3次找中国麻烦，金砖有变数？俄着急做东，普京一举轰动全球舆论为何金价在近期波动异常剧烈？未来走势可能如何变化？潮新闻记者采访多位资深业内人士。
在快节奏的现代生活中，人们对饮食的需求不再仅仅局限于满足口腹之欲，更开始追求生活品质和艺术美感。其中，“探索美食与创意”的理念，更是引领着人们在烹调技术上进行深度探索，将菜品的鲜美与创新烹饪之道相结合，创造出一道道独具特色的美味佳肴。
菜菜，是一种源于中国的传统美食，其鲜美的口感、丰富的食材选择以及独特的烹饪方式，使其成为现代人餐桌上的常客。菜菜讲究色香味俱全，选料精良，以新鲜的时令蔬果为主，辅以肉类、海鲜、豆制品等多元食材，搭配精细的烹饪手法，使每一口都能感受到大自然馈赠的丰富营养和鲜美滋味。
菜菜的烹饪之道，注重色彩的搭配和味道的平衡。主食通常使用白米饭、馒头或面条，搭配上各种蔬菜和肉类，如青菜、胡萝卜、玉米、瘦肉、鸡胸肉等。为了提升菜肴的口感层次，每道菜都会在烹饪前先进行初步处理，包括切片、炒制、煮汤、蒸煮等，以保持食材的新鲜度和口感的细腻。调料的选择也至关重要，选用清香扑鼻、色泽艳丽的香草、酱油、醋等调味品，既增添了菜肴的风味，又为菜品增色不少。
创新性的烹饪之道则是菜菜的一大亮点。随着烹饪技术的不断发展，许多厨师巧妙地运用了科技手段，如低温慢炖、微波炉加热、电饭煲煮熟等，让各类食材在短时间内快速烹饪，保留了食材原有的营养价值和口感。例如，用低温慢炖的方式炖煮鱼肉，不仅可以保持鱼肉的原汁原味，还能让鱼肉纤维更加细嫩，增加了食材的口感层次；而用微波炉加热的方式烤制面包，既能保证面包的内部熟透，又能避免面包表面过于焦黑，使得面包的外观更加美观。
菜菜的创意性还体现在对烹饪空间和器具的精心设计和利用上。例如，将传统的厨房空间设计成一个开放式的餐厅，将烹饪区域与其他娱乐区完美融合，既可以满足烹饪需求，也能提供舒适的就餐环境。选择一些新颖的烹饪器具，如电饭煲、电磁炉、榨汁机等，不仅提升了烹饪效率，也让烹饪过程变得更加有趣。
探索美食与创意是推动菜菜发展的重要动力。通过不断尝试新的烹饪方法、改良食材选择和优化烹饪空间，菜菜正以其独特魅力和多元化特色，引领着当代餐饮业的发展方向。这种“探索与创新”的理念也为人们的生活带来了更多的乐趣和满足感，让人们在享受美食的也能体验到生活的美好和创意的魅力。无论你是热爱美食、追求健康生活的人，还是热衷于烹饪创作的美食家，都应勇于尝试和创新，不断探索出属于自己的菜菜之美。
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
据参考消息网报道，印度因金砖国家间对于 “去美元化” 产生不同意见，发出退出联盟的信号，引发各方对金砖合作的担忧，此前印度已多次给中国 “找麻烦”，俄罗斯则着急做东邀中印重回对话桌，背后释放出诸多信息。
印度近期频繁给中国 “找麻烦”，引发广泛关注。在印巴冲突中，巴基斯坦空军使用从中国进口的战机击落了印空军的“阵风”战机。印度认为是中国在背后支持巴基斯坦，无端指责中国介入印巴冲突，这种毫无根据的指责严重损害了中印之间的互信。
“阵风”战机资料图
不仅如此，莫迪政府还以新华社和《环球时报》的媒体账号传播了 “巴基斯坦的宣传内容以及未经证实的信息” 为由，封锁了印度境内的这些中国官方媒体账号，这是对中国媒体在印度正常传播信息的无理限制，也是对中国主权的不尊重，进一步加剧了两国之间的紧张关系。此外，印度政府对原产于或进口自中国的二氧化钛征收为期 5 年的反倾销税，这种贸易保护主义行为不仅违反了国际贸易规则，也对中印之间的经贸合作产生了负面影响，损害了两国企业和消费者的利益。
金砖合作面临诸多变数，俄罗斯则着急做东邀中印重回对话桌。印度在金砖国家组织中多次扮演 “搅局者” 角色，如多次明确反对制定共同货币计划，坚持优先强化卢比的地位；以 “维护自身利益” 为由否决关键提案，如拒绝签署《上合组织至 2030 年经济发展战略》，阻挠中国主导的 “一带一路” 项目等，这些行为给金砖国家内部合作带来了阻力，也使金砖合作的未来面临诸多不确定性。