1-12月与我的小雪恋爱点滴：从相识到相知，共享浪漫故事的足迹，童星出身林颖彤近况曝光！离巢TVB后转战网店创业，曾因为官非停工一年看似无害的提问，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2025年5月28日，美国国际贸易法院裁定，特朗普依据《国际紧急经济权力法》(IEEPA)将贸易逆差视作“国家紧急状态”并据此加征关税的行为，超出了该法的授权范围。由此，特朗普政府所施加的部分关税措施面临被叫停的可能。一旦关税取消，有望在《中美日内瓦经贸会谈联合声明》的基础上，进一步削减芬太尼20%的关税及10%的对等关税，整体关税水平或将回落至12%左右。在此预期下，此前因贸易摩擦导致风险偏好受抑、持续承压的科技成长板块今日迎来反弹。
关于1-12月与我小雪的爱情点滴，这个题目充满了温馨和甜蜜，如同一首悠扬动人的爱情诗歌。在冬季的季节更迭中，我们相遇并相爱，分享了无数浪漫的故事，这些点滴串起了我们的爱情旅程。
在那个寒冷而宁静的12月，我们在图书馆里相遇。那时的阳光穿过窗户洒在书架上，空气中弥漫着淡淡的书香。我在角落里找寻一本名为《冬日恋歌》的小说，被那细腻的情感描绘深深吸引。你在图书馆的一角寻找一本书籍，然后微笑着走近我，我们的眼神交汇在那一瞬间，仿佛时光都静止在这一刻，那一刻，我明白了你的存在对我来说有多么重要。
随着12月的到来，我们的爱情逐渐升温。那天晚上，我们一起坐在窗前，看着窗外的雪花飘落，心中充满着幸福和期待。我记得我们手牵手站在雪地上的画面，雪花落在我们的发梢、脸颊，似乎是在为我们庆祝我们的爱意。那一刻，我知道我已经深深地陷入你的世界里，无法自拔。
我们一同漫步在校园的小径，手牵手，感受着冬天的寒冷，却又感到无尽的温暖。那些日子，我们一起在雪地上打雪仗，堆雪人，滑雪，尽情享受着这份特别的冬季记忆。每一次的笑容，每一次拥抱，都是对彼此承诺的见证，都让我们更加坚定了我们的爱情。
在这个寂静的冬季，我们共同欣赏了那场雪中的圣诞晚会。那是我们最难忘的一次约会，我们一起唱歌，跳舞，笑声洋溢在雪地中，那种热闹而自由的感觉让我们的关系更加紧密。当圣诞老人出现时，他送给了我们一份惊喜礼物——一只定制的手套和一盒巧克力。虽然它们看起来普普通通，但却蕴含着我们的心意，是我们对对方的特殊祝福。
12月的最后一周，我们决定在海边度过一个特别的日子。那天早晨，我们穿着轻薄的衣服，带着相机，踏上了前往海滩的路。海浪拍打着沙滩，海风拂过面颊，这一切都让我们感觉无比舒适和惬意。我们在海边留下了珍贵的照片，记录下了这段浪漫的时光。
回想起这个冬天，我们共度的每一个瞬间都如一幅幅美丽的画卷，每一幅画卷都充满了我们之间的甜蜜和感动。12月的那段小雪恋爱，就像一部充满浪漫色彩的爱情电影，讲述着我们的故事，也让我更加珍惜我们之间的感情。
现在，虽然我们的故事已经结束了，但每当我看到雪景，都会想起那个12月，想起那个与你共享浪漫时刻的时光。我想，这就是爱情，无论何时何地，只要我们的心在一起，就没有任何困难能够阻挡我们前进的步伐。我会永远珍藏这个冬天，珍藏我和你的爱情，因为这是属于我们两个人的特别故事，也是我们爱情的甜蜜回忆。
童星出身的小花林颖彤去年的时候已经宣布和TVB完约，之后开始以自由身的身份在娱乐圈发展，不过她的曝光度明显大不如前，而且影视作品的数量也是急剧减少，为此粉丝们也是颇有微言。
近日，林颖彤难得公开亮相，她现身一个活动，活动中的她穿着蓝色针织上衣搭配短裤，扎了一个丸子头，身形看起来依旧很火辣，想来私下也有积极进行身材管理。
林颖彤的五官还是一如既往的精致，她的脸圆圆的，看起来有点婴儿肥，虽然上镜不占优势，但是却吸引了不少宅男粉丝。
活动中林颖彤全程都表现的很专业，而且介绍自己的时候也是落落大方，结束后不少媒体都争相采访她，希望了解其近况。
显然从林颖彤的言谈间看得出，近一年来她的生活还是比较充实且忙碌的，虽然减少了幕前的工作，但是自己创立的网店生意却经营的有声有色，这个网店还处于起步的阶段，之前林颖彤在这方面没有什么经验，好在有得到亲友的支持。
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