揭秘avaiai158：探索神秘海洋生物的独特生态与魅力，“砍头”以后 朝鲜驱逐舰扶正看似无害的提问，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——营收预计为450亿美元，上下浮动2个百分点，其中包含大约80亿美元的H20芯片中国收入损失，原因是美国近期实施的出口管制限制；
以下是一篇关于avaiai158：探索神秘海洋生物的独特生态与魅力的文章：
avaiai158，这个名字充满了未知和神秘感。它是一条源自南太平洋的稀有鱼类，因其独特的生态习性和美丽的海洋生物图像而备受关注。avaiai158拥有极其丰富的物种多样性，是海洋生态链的一环，不仅为地球上的其他生物提供了生存所需的资源，也以其独特的生物多样性和生态价值，为人类的生活增添了无尽的乐趣。
avaiai158是一种生活在热带海域的深海鱼，其体型巨大，长达2米以上，体重可达3吨甚至更大。这种大型深海鱼具有典型的鲨鱼特征——锐利的牙齿、强壮的身体结构和高度发达的神经系统。avaiai158并非普通鲨鱼，而是属于一种被称为“绿鳍鲨”的特殊品种。它的皮肤颜色从橙色逐渐变为翠绿色，使其在海底显得尤为引人注目，就像一片绿色的海洋波动。
avaiai158的生态环境十分独特，它们主要分布在马里亚纳海沟和澳大利亚东北部的海洋生态系统中。由于这些地区受到极端的环境条件影响，例如低温、高压和高盐度，因此avaiai158的生存条件极为严酷。这些恶劣的生存环境反而赋予了avaiai158独特的适应性。它们能够在极端环境中迅速生长、繁殖，并通过复杂的生物学机制来抵御疾病和捕食者。
avaiai158的主要食物来源包括浮游生物、小型甲壳类动物、鱼类和其他海洋生物。它们以这些生物为食，通过利用牙齿切割并过滤出其中的营养物质，从而获取能量。avaiai158还能通过释放化学物质干扰猎物的行为，保护自己的领地和幼崽不受捕食者的侵扰。
avaiai158的生态价值在于，它们不仅是海洋生态系统的重要组成部分，还对全球生物多样性保护做出了重要贡献。据估计，全球约有40%的海洋生物依赖于avaiai158等深海鱼类作为食物来源。avaiai158还在防止水体污染方面发挥了重要作用，因为它们是海洋浮游植物的顶级消费者之一，能够控制浮游生物的数量，维持海洋生态系统的健康。
avaiai158的神秘之处在于其独特的生活方式和生态价值。它们生活在极端的环境中，但通过复杂的生理机制和强大的适应性，成功地在这个复杂的世界中生存下来，并为其他生物提供了重要的食物来源和生态服务。avaiai158的故事揭示了一个关于生命韧性的深刻启示：即使面对最恶劣的环境条件，我们也能找到生存和繁衍的方式，并对我们的地球做出积极的贡献。对于那些热爱海洋生物，对生态学感兴趣的人来说，avaiai158无疑是一个值得深入了解和学习的神秘海洋生物。
【文/观察者网 王世纯】据美国约翰·霍普金斯大学智库“北纬38度”（38 North）当地时间6月3日援引卫星照片报道，朝鲜已将上个月在清津港倾覆的驱逐舰扶正，但卫星图显示朝鲜在扶正船体的同时拆除了包括前主炮在内的部分舰艏。
38 North根据2日拍摄的卫星图像称：这艘原本侧翻的驱逐舰被拍到已经扶正。38 North表示，上个月29日，工人们在码头上处理系在驱逐舰上的绳索，同时船体附近有大量气囊。而2日的照片显示，尽管舰首仍在下水设施上，38 North表示，这表明他们正在尝试先修复舰艏。但观察者网评论员认为清津造船厂可能会制造一个临时的舰艏，以保障船的水密性和行还行。
扶正以后的“崔贤”级驱逐舰二号舰社交媒体
船台状态下的朝鲜驱逐舰（右），事故发生后的朝鲜驱逐舰（左）和扶正以后的驱逐舰（中）对比图，可以看出船艏部分切掉了不少施佬
38 North评论说，清津造船厂缺乏大型浮船坞或干船坞等必要设施，舰体需出水维修。目前正浮状态但舰艏未入水的特殊情况，使后续维修面临工程难题，凸显朝鲜舰船建造基础设施的局限性。由于船体进行了重大变动，这让外界质疑这船能否按照朝鲜领导人指示那样在6月底前完成修复。
朝鲜驱逐舰5月21日下水时发生“重大事故”。朝中社称，新建驱逐舰在下水过程中发生严重事故。驱逐舰下水过程中，因指挥不熟练、操作不慎，未能保障底盘移动平行度，致使船尾部分的下水滑板先脱离搁浅，部分区段船底破孔导致船体失衡，船首部分未脱离船台。
朝鲜领导人金正恩观看了事故全过程，金正恩批评称这是由于疏忽和不负责任，不尊重科学的经验主义而产生的无法容忍的重大事故和犯罪行为。
根据对驱逐舰详细进行水下及内部检查的结果，确认与初期发表的内容不同，驱逐舰没有船底破洞，船体右舷被刮削，通过船尾部分的救生通道流入一定量的海水。
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