崭新年度——一中队武警福州支队兵哥哥们的迎新旗语：勇往直前，军姿如铁！，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洛杉矶骚乱后，特朗普再发声：抗议活动中将不允许佩戴口罩【解散地点】昆明南站，机场及市区指定酒店
标题：崭新年度——一中队武警福州支队兵哥哥们迎接新年旗语：“勇往直前，军姿如铁！”
新年伊始，福州一中队的武警福州支队兵哥哥们以其独特的方式，为新的一年送上了一份厚重而又充满力量的欢迎礼。他们的迎新旗语，充满了勇气和决心，既是对过去一年里奋发进取的总结，也是对未来挑战的宣言。
迎新的旗帜，如同一面盾牌，象征着他们坚定的信念和无比的决心。在旗面上，那鲜艳的红色代表了军队的热血沸腾与英勇无畏，金色的边框则象征着他们过硬的专业技能和卓越的战斗素养。旗帜上赫然写着“勇往直前，军姿如铁！”这七个大字，无疑是他们在新年之际最深沉的注脚。
每个战士手中的旗语，都是他们对部队精神的传承和对未来的展望。面对即将到来的新年，他们以饱满的热情和昂扬的姿态，展现出了一种永不言败、坚韧不拔的精神风貌。他们的眼神坚定而富有力度，仿佛在告诉每一个队员，“我们是军人，我们的使命就是守护祖国的安宁，保卫人民的生命财产安全。无论前方有多少困难和挑战，我们都将勇往直前，坚守岗位，用军姿证明自己的价值。”
这面迎新旗语，不仅仅是对他们过去一年辛勤付出的肯定，更是对他们未来工作的激励。它不仅代表着他们对团队团结一致、锐意进取的承诺，更象征着他们对于自我提升、不断超越的信心。每一名战士都知道，只有通过不懈的努力和奋斗，才能在新的一年中实现自我突破，实现团队的进步，实现国家的繁荣富强。
迎新的旗语，就像一道明亮的阳光，照亮了战士们前进的道路。它告诉我们，无论是面对生活的磨砺，还是面对工作的压力，他们都将以高昂的斗志和坚毅的态度去应对，用自己的实际行动，诠释着什么是军人的担当与荣耀。
作为新时代的士兵，一中队武警福州支队兵哥哥们已经以全新的面貌站在了新的起点，他们将以更加饱满的热情和积极的态度投入到新年的各项工作中，用实际行动诠释着他们对祖国的忠诚和对生活的热爱。他们是新时代的守护者，他们是我们心中的英雄，他们用实际行动，书写着崭新的年度——一中队武警福州支队兵哥哥们的迎新旗语：“勇往直前，军姿如铁！”
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
【环球网报道 记者 李飒】据美国有线电视新闻网（CNN）最新报道，在洛杉矶连续两天骚乱后，美国总统特朗普当地时间8日再次发声，称他将禁止抗议者戴口罩。
特朗普在其社交媒体上发文称：“从现在开始，抗议活动中将不允许佩戴口罩。这些人到底在隐瞒什么？为什么？”不过，CNN称，美国移民与海关执法局（ICE）的官员是可以戴口罩的，ICE代理局长托德·莱昂斯称，这是为了保护他们的家人。
自6日上午开始，美国移民与海关执法局等联邦机构出动大批执法人员，在加利福尼亚州洛杉矶县多地展开针对非法移民的执法行动。这些行动已连续两天引起大量街头对峙、混乱和冲突。目前冲突仍在继续。
针对骚乱，美国总统特朗普7日发文表示，如果加利福尼亚州州长加文·纽森和洛杉矶市市长卡伦·巴斯不能履行职责，那么联邦政府将介入，以应有的方式解决“暴乱和抢劫问题”。 美国加州州长纽森则对此称，特朗普决定部署国民警卫队是在“蓄意煽动”，“只会加剧局势紧张”。
白宫新闻秘书莱维特7日发表声明说，美国总统特朗普已签署一份备忘录，将向洛杉矶部署2000名国民警卫队人员，以协助联邦机构执法人员在加利福尼亚州南部地区展开针对非法移民的大规模搜捕行动。