深度感知：探讨一个人的深厚好感度如何影响其行为与交往方式，事关高考，教育部最新发布！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两人穿的衣服很低调，女儿戴的面具也是普通款，看不出名牌。有网友说这是为了保护隐私。以前豪门孩子很少公开露面，现在慢慢有人开始正常生活了。
关于“深度感知：探讨一个人的深厚好感度如何影响其行为与交往方式”，这是一个富有深度且富有情感的话题。深入探究这个话题，我们可以发现，深厚的好感对人的行为和交往方式有着深远的影响。
深度感知是人类情感世界的重要组成部分，它能帮助我们更好地理解他人的情感状态和需求。当人们感到深深地喜欢或喜爱某个人时，他们的神经会分泌出一种被称为“多巴胺”的化学物质，这种物质在我们的大脑中被称为“快乐脑区”。当我们被深深吸引或热爱某人时，我们的大脑会产生一系列的生理反应，包括心跳加速、瞳孔放大、血压上升等，这些生理反应可以引发我们的情绪波动，使我们产生强烈的好奇心、热情、满足感和安全感，这些都是良好人际关系的基础。
在这个基础上，深度感知还对人的行为产生了显著影响。当一个人对另一个人有深深的喜欢或好感时，他们可能会采取更多的主动性和积极性去建立联系、表达爱意和关心，以期得到对方的回应和回应。例如，他们可能会更加积极地参与社交活动，如聚会、约会、旅行等，这不仅可以增强他们的社交技巧和沟通能力，还可以让他们更深入地了解和接触彼此的生活，建立起深厚的友谊和爱情关系。
深度感知也会促使人改变自己的行为习惯和交往方式。当一个人喜欢或深爱另一个人时，他们会尝试通过实际行动来证明他们的感情，如表达关爱、承诺忠诚、付出行动等。例如，如果一个人真心喜欢一个人，他们可能会更愿意花更多的时间和精力去陪伴对方，甚至愿意牺牲自己的时间和兴趣爱好来迎合对方的需求；如果一个人对另一个人有所承诺，他们可能会更加坚持守信，尽自己所能去实现这一承诺，从而赢得对方的信任和尊重。
深度感知也并非全然正面的影响。如果一个人过于依赖深度感知，并且忽视了理性思考和现实情况，那么他可能会陷入过度恋爱、痴迷于虚拟世界或自我陶醉的状态，导致他们在实际生活中缺乏真实的人际互动和能力，进而影响他们的生活质量和人际关系发展。
深度感知是人类情感世界中不可或缺的一部分，它对人们的心理、行为和交往方式产生了广泛而深刻的影响。我们也需要认识到，虽然深厚的感情能够推动人们做出更多的努力和改变，但这种感情并不能取代理性的判断和客观的认识。在享受深度感知带来的美好感受的我们还需要学会平衡和控制自己的情感投入，避免陷入盲目和过度的浪漫陷阱，从而为我们的现实生活和社会交往创造更为和谐稳定的人际环境。
2025年高考在即。为更好地帮助广大考生了解考试的注意事项，我们整理了考生常见的问题和相关建议，供考生和家长参考。跟小编一起来看！
1.考生应如何规划赴考行程？
考前，请考生认真阅读、仔细核对考试时间、考点信息、考生须知等内容。特别是要牢记考试时间、考点位置、考场编号，同时结合考点考场位置、天气及交通等情况，合理安排交通工具，合理规划行程路线。
考试当天按要求提前到达考点，留足进入考点考场身份验证和安检的时间。出现紧急交通状况时，可就近向交通警察寻求帮助。
2.考生的衣着穿戴有什么需要注意的？
考生的衣着要符合当地招生考试机构的相关要求，建议不佩戴含有金属成分的手镯、项链、发夹等佩饰物品。同时，应根据当地的天气状况，注意增减衣物。
3.对于考生做好个人健康防护有哪些建议？
考生要做好个人防护，当好自身健康第一责任人。考前尽量减少聚集和流动，不去人员密集场所。同时，调整好心理状态，保证合理的饮食、充足的睡眠、适当的身体锻炼，如有不适，要及时就医治疗，谨防因身体不适而影响考试。对于发热或者突发疾病等考生，也不必担心恐慌，各地考点都制定了相应的预案。
4.赴考前需要检查哪些物品？
赴考时要记得随身携带好《准考证》和省级招生考试机构规定的有效身份证件等必要入场证件。同时，还要注意检查是否带齐省级招生考试机构规定的考试用品。自行打印《准考证》的考生，还应检查是否有《准考证》内容以外的字迹。《准考证》正、反两面在使用期间均不得涂改或书写。
5.进入考点（学校）一般有哪些要求？
进入考点时，要听从工作人员的安排，有序排队，保持一定间隔，不要将手机等违规物品带入考点。手机最好在赴考前提前存放好，也可在进入考点前交给带队老师、家长，或按照考点规定要求存放。存放、领取手机时要听从工作人员安排，保持秩序。
6.进入考场（教室）一般有哪些要求？
进入考场时，将再次进行考生身份验证和违规物品检查，除省级招生考试机构规定的考试用品外，其他物品不要带入考场。进入考场后，要对号入座，将《准考证》和省级招生考试机构规定的有效身份证件放在桌上以便核验。
7.违反考场纪律会受到怎样的处罚？
考生要遵守考场规则和纪律，服从考试工作人员管理。考试过程中，考点除有监考员、巡考员等维护考试纪律、巡查考场外，考场内已实现视频监控系统全覆盖并全程录像，不仅在考试中专人实时监控巡查，考后也会对视频录像进行必要的回放。一旦发现考生有违规或作弊行为，将按《中华人民共和国教育法》《国家教育考试违规处理办法》确定的程序和规定严肃处理，并将记入国家教育考试考生诚信档案；考试作弊将导致高考所有科目的成绩无效，并视情节轻重，给予暂停参加高考1至3年的处理，情节特别严重的，给予暂停参加各种国家教育考试1至3年的处理；涉嫌犯罪的，按照《中华人民共和国刑法》《最高人民法院 最高人民检察院关于办理组织考试作弊等刑事案件适用法律若干问题的解释》等法律规定，移送司法机关追究法律责任。在高考中组织作弊，属于《中华人民共和国刑法》规定的“情节严重”的犯罪。
特别需要注意的是，考生如携带手机、智能手表、智能眼镜等具有发送或者接收信息功能的设备进入考场，无论使用与否，均将认定为考试作弊。考试过程中使用手机等设备拍摄试题、答题卡等，通过QQ、微信及其他网络平台发布信息、传播试题及答案，均涉嫌犯罪，将移送司法机关追究法律责任。
8.考试过程中有哪些注意事项？
考生作答时要沉着冷静，规范书写，确保字迹清楚、卷面整洁。同时按照要求在指定位置正确填涂信息、在与题号相对应的答题区域内答题，写在草稿纸上或非题号对应的答题区域的答案将是无效的，不得用规定以外的笔和纸答题，不要在答卷（答题卡）上做任何标记。考试结束信号发出后，立即停笔并停止答题。切勿将试卷、答卷（答题卡）或草稿纸带出考场。
9.网上关于高考的信息很多，如何辨别真伪？
请考生和家长认准官方网站、官方账号，涉高考信息以官方发布的为准，不要相信各类非官方宣传及承诺，以免上当受骗。
同时，不要相信所谓的“命题专家”的言论，更不要把宝贵的时间和精力浪费在所谓的“猜题”和“押题”上，切勿相信涉及钱财的相关信息。请考生和家长弘扬正能量，不造谣、不信谣、不传谣，共同营造风清气正、温馨和谐的考试环境，共同维护高考的公平公正。
10.考后应如何查分及获取志愿填报服务？
考后，各省级招生考试机构均会公布高考成绩发布时间及官方查询的渠道，请考生和家长关注相关权威发布信息。
为进一步加强对考生的志愿填报服务，2025年，教育部“阳光高考”平台及“阳光志愿”信息服务系统将优化升级，各省也将建立完善本地志愿填报服务信息平台和系统，努力为考生提供更加优质、更加便捷、更加全面的信息服务。同时，教育部将组织各地各高校举办“2025年全国普通高等学校招生云咨询周”活动，为考生和家长提供志愿填报咨询服务。各地各高校还将通过宣讲会、咨询会、短视频、网络直播、电视节目等多种方式组织开展系列志愿填报咨询服务活动，请考生和家长关注。
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