arXiv · AI· Yu-Yu Lee, Ming-Feng Tsai, Tomohiro Morikawa, Chun-I Fan·· 4 小时前AI 评分21
提出 TNCS 以提升代码模型后门攻击的数据效率
Data-Efficient Backdoor Attacks on Code Models via Trigger-Neutralized Counterfactual Scoring
AI 导读
研究提出触发词中性化反事实评分（TNCS）方法，通过对比有触发词输入与反事实输出的评分差异，精准筛选对自回归代码模型最具攻击性的后门毒化样本。该方法在极低中毒率下于 CodeXGLUE 的三项任务和五类触发词家族中均优于基线模型，且对纯净任务性能无损害。TNCS 是目前唯一对所有触发词家族均有效的方法，其筛选出的毒化样本可迁移至不匹配的受害模型。
来源：arXiv · AI · arxiv.org