arXiv cs.AI· Yu-Yu Lee, Ming-Feng Tsai, Tomohiro Morikawa, Chun-I Fan·· 11 小时前AI 评分29
TNCS：面向代码模型的数据高效后门攻击方法
Data-Efficient Backdoor Attacks on Code Models via Trigger-Neutralized Counterfactual Scoring
AI 导读
研究者提出 Trigger-Neutralized Counterfactual Scoring（TNCS），通过对比触发输入与触发中和反事实输入的评分模型输出，隔离触发器对目标行为的贡献，从而为自回归生成场景挑选高价值投毒样本。
正文 · AI 翻译
摘要：预训练代码模型面临后门投毒风险，即精心构造的训练样本会使模型在触发条件下产生错误行为。有能力的攻击者会尽量减少此类样本的数量，因为每个样本都会增加成本和暴露风险，而较低的投毒率也会为防御留下更小的痕迹。因此，选择哪些样本进行投毒至关重要，但现有的数据高效选择方法针对的是图像分类，没有为自回归生成提供评分机制，也尚未在代码上研究过。我们提出触发中和反事实评分（TNCS），通过比较评分模型在触发输入上的输出与其在触发中和反事实上的输出，来分离触发条件对目标行为的贡献，同时涵盖分类和生成。在三种 CodeXGLUE 任务和五种触发家族上，TNCS 在极低投毒率下取得了比基线更高的攻击成功率，且不降低干净任务性能，并且其优势随着投毒率降低而扩大。它是唯一在每种触发家族上都有效的方法，其选出的投毒集可迁移到不匹配的受害模型。
| 评论： | 18 页，7 幅图，14 张表 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.32334 [cs.CR] |
| （或 arXiv:2610.32334v1 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32334 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Chun-I Fan [查看邮箱]
[v1]
2026 年 10 月 23 日星期五 08:28:58 UTC（1,235 KB）
来源：arXiv cs.AI · arxiv.org