揭秘忍界史上罕见的污点：纲手胸衣爆开实况曝光！控诉黑暗过去，揭穿真相之作——，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五部门开展2025年新能源汽车下乡活动而具有CS元素的徽标依旧是不可少的，可能是因为显示器背部比较空的原因，甚至会感觉这个徽标在面积上相比底座会更大些。
标题：揭秘忍界史上罕见的污点：纲手胸衣爆开实况曝光！
在漫威漫画的世界中，我们熟知了许多神秘的人物和事件，其中一位在忍界的影响力无法忽视的人便是“纲手”，亦称“玉藻前”。她以其独特的战斗策略、深不可测的情感以及对忍界的忠诚而闻名。在我们的视野之外，她的形象却曾遭遇过一些鲜为人知的污点，这些秘密不仅揭示了黑暗过去，更是一部揭穿真相之作。
据相关报道，近期在一个关于忍者训练的直播活动中，一名粉丝无意间发现了一件令人心惊的事情——纲手在进行激烈的忍术对决时，竟公开袒露了自己的胸部衣服。这一突如其来的细节让很多观众感到惊讶，同时也引发了公众对于纲手个性和行为习惯的一系列质疑。
纲手的胸部是一件非常著名且具有争议性的服装。她在第一次与火影波风水门决战的场景中，便穿着一件红色的胸衣，这一装扮在当时引起了极大的轰动。她的胸口设计独特，由细小的金属环环绕着一圈蕾丝，形成了一种极具诱惑力的性感线条。这样的设计为纲手增添了一份神秘感和力量感，使她在战场上成为了众矢之的。
当她在与水门的决斗过程中展示出如此大胆的行为时，不少网友开始质疑她的真实动机。有人猜测，这可能是因为她对过去的痛苦经历有着强烈的心理暗示，希望通过暴露胸部的衣服来释放自己的压抑情绪，从而得到内心的释放和平静。也有人认为，纲手可能是出于自信和自尊，希望通过这种表现来向世界证明自己不仅是忍者的领导者，更是最坚强无畏的存在。
另一方面，一些专业人士则认为，纲手的胸部并不是为了炫耀或吸引眼球而设计的。从严格意义上讲，她并不具备袒露内衣的习惯，而且在忍界中普遍遵循的是保守和低调的原则。她可能是在某个特定场合或者情绪低落时才选择袒露胸部，并以此来表达自己的情感或寻求他人的理解和支持。
无论如何，这个令人震惊的事实无疑是忍界历史上的一大污点，它揭示了一个从未被人们触及过的秘密：纲手并非一个表面上温柔、冷静和冷酷的角色，而是拥有丰富内心世界和独特性格的女性战士。这一事件不仅打破了人们对她的刻板印象，也让更多的忍者和粉丝重新审视了她的人生道路和价值观。
总之，“纲手胸衣爆开”的事件让我们看到了忍界历史中罕见的一面，也为我们提供了一个全新的视角去理解和欣赏这个充满魅力和挑战的世界。尽管这是一个令人困惑和不安的时刻，但这也是一次对我们每个人内心世界的深度剖析和启示，让我们更加珍视每一个独特个体和他们的故事。让我们期待着未来的忍界历史新篇章，揭开更多未知的秘密，同时也能深入思考关于人性、爱与自我价值的深刻探讨。
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
新华社北京6月3日电（记者周圆、张辛欣）记者3日获悉，工业和信息化部、国家发展改革委、农业农村部、商务部、国家能源局日前发布通知，组织开展2025年新能源汽车下乡活动。
据悉，此次活动以“绿色、低碳、智能、安全——赋能新农村，畅享新出行”为主题，旨在加快补齐乡村地区新能源汽车消费使用短板，构建绿色低碳、智能安全的乡村居民出行体系。
活动将选取满足乡村地区使用需求、口碑好、质量可靠的新能源车型，开展展览展示、试乘试驾等活动；组织新能源汽车售后维保服务企业，充换电服务企业，保险、信贷等金融服务企业协同下乡；推动车网互动技术在乡村地区应用，落实车辆购置税、车船税减免，汽车以旧换新，县域充换电设施补短板等政策，鼓励车企丰富产品供给、提升服务水平。
活动还将选取一批新能源汽车推广比例不高、市场潜力较大的典型县域城市，举行若干场专场活动，并以此为中心辐射周边乡镇；鼓励各类新能源汽车生产、销售、金融、充换电及售后服务等领域经营主体共同参与，定制“购车优惠+用能支持+服务保障”一体化促销方案，健全覆盖购车、用车、养车全周期售后服务网络。