日本匠心独运的秘密密入口：探寻高端品味的瑰宝之地，原创 张雪峰去美国了？每次高考开始就被迫停业看似无害的提问，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冯巩先是说“好！”一阵大笑后说道：“那我的相声还怎么说啊！”
以日本这座被誉为“东方艺术之都”的国家为背景，我们深入探索了其深厚的历史底蕴和独特的匠心独运。在世界范围内的诸多豪华设计与建筑中，日本被赋予了一种独特且充满魅力的设计风格——高端品味的瑰宝之地。
日本在建筑设计上的创新精神是其匠人精神的重要体现。从京都的金阁寺到东京的涉谷步行街，无论是寺庙、宫殿还是住宅，日本设计师们总能巧妙地运用自然环境和建筑形式，创造出既有传统韵味又具现代感的景观，展现出一种既和谐统一又富有深度的空间布局。例如，银座的新宿区以其繁华喧嚣与静谧优雅并存而著称，无论是华丽的高大霓虹灯招牌，还是古老的石板路与木质建筑交相辉映，都在诉说着这座城市历史的变迁和发展。这种设计不仅注重实用性和舒适性，更强调对空间和光线的巧妙利用，使每个角落都能成为艺术品般的存在。
日本工匠们的精湛技艺也是其匠心独运的标志之一。在陶瓷制作方面，日本人将传统的烧制工艺与现代科技相结合，创造出一系列精美绝伦的艺术品。其中，最著名的当属大阪的吉原陶瓷，这里的陶瓷工艺历经千年传承下来，不仅色彩丰富、形状各异，而且质地细腻、耐久性强，每一件作品都凝聚了工匠们多年的心血和智慧。在漆器制作中，日本艺术家们擅长通过各种技法，如画师式的线条勾勒、雕刻师的手法塑造、磨工的精细打磨等，打造出各种栩栩如生的工艺品，如神社中的佛像、屏风、家具等，每一件作品都充满了浓厚的人文气息和地域特色。
日本的高级生活理念也深深影响着其设计风格。在日本的居家环境中，设计师们常常采用简洁而不失精致的设计元素，比如深色木材的搭配、宽敞明亮的玻璃窗户、精心定制的家居饰品等，这些都体现出日本人在追求极简生活的对居住空间细节的关注和精致品质的追求。例如，东京的一户人家内，主人不仅在客厅悬挂了大型挂画，还在卧室中安装了一盏复古的日式落地灯，整个空间弥漫出一种宁静而雅致的气息，让人仿佛置身于一个远离都市喧嚣的世界。
日本在高端品味的瑰宝之地不仅表现在其建筑设计、工匠技艺以及高级生活理念等方面，更是一种深度的文化积淀和审美追求。每一条街道、每一座建筑、每一个角落，都是日本匠人们辛勤付出与匠心独运的结晶，它们共同构建起一座座独具匠心的城市风景线，让人们在欣赏美景的也能体验到日本文化的独特魅力和深厚内涵。在追求高品质生活的今天，我们应当珍视和传承这份来自日本的高级品味秘境，去寻找那些引领时代潮流的独特设计，并从中领略到那份独特的文化价值和美学魅力。
张雪峰发布最新视频，IP地址显示是美国，难道为了避风头去了美国吗？目前没有公开信息表明张雪峰已前往美国发展，而其每年高考季被迫停业，更多是源于自身商业行为与行业规则的冲突，而非地理位置变动。以下为具体分析：
张雪峰作为国内知名的高考志愿填报指导专家，其言论和观点常引发广泛关注和讨论。近年来，随着其知名度的提升，张雪峰也面临着越来越多的争议和质疑。特别是在高考季，由于其提供的志愿填报服务备受关注，一些不当言论或行为容易引发公众不满，进而导致其业务受到冲击。
张雪峰停业的原因并非单纯因赴美，而是与其商业行为、行业规则以及公众舆论等多方面因素有关。一方面，张雪峰提供的志愿填报服务收费较高，且服务质量参差不齐，引发了一些家长和学生的不满；另一方面，其某些言论可能过于功利或片面，忽视了教育的本质和学生的长远发展，这也导致了公众对其的质疑和批评。
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