研究者提出TNCS方法筛选代码模型后门投毒样本

Yu-Yu Lee、Ming-Feng Tsai、Tomohiro Morikawa、Chun-I Fan 提出 Trigger-Neutralized Counterfactual Scoring（TNCS）方法，用于为代码模型挑选数据高效的后门攻击投毒样本。该方法通过对比评分模型在触发输入与触发中和反事实输入上的输出，隔离触发器对目标行为的贡献，据研究者称可覆盖分类与自回归生成两类场景。 目前公开信息仅说明方法设计与适用场景，未给出在代码模型上的攻击成功率、所需投毒样本量或防御方能否检出等实测结果。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。