面向代码预训练模型的多目标后门攻击
密码学与安全
2023-06-16 v1 人工智能
计算与语言
摘要
随着代码智能的发展，针对神经代码模型的后门攻击受到了相当多的关注。然而，现有大多数工作在针对代码相关下游任务的任务特定数据中插入触发器，从而限制了攻击的范围。此外，针对预训练模型的多数攻击是为理解任务设计的。本文提出面向代码预训练模型的任务无关后门攻击。我们的后门模型通过两种学习策略（即投毒的 Seq2Seq 学习和词元表示学习）进行预训练，以支持下游代码理解与生成任务的多目标攻击。在部署阶段，受害者模型中植入的后门可由所设计的触发器激活，以实现定向攻击。我们在七个数据集上的两个代码理解任务和三个代码生成任务上评估了我们的方法。大量实验表明，我们的方法能够高效且隐蔽地攻击代码相关下游任务。
引用
@article{arxiv.2306.08350,
title = {Multi-target Backdoor Attacks for Code Pre-trained Models},
author = {Yanzhou Li and Shangqing Liu and Kangjie Chen and Xiaofei Xie and Tianwei Zhang and Yang Liu},
journal= {arXiv preprint arXiv:2306.08350},
year = {2023}
}
备注
ACL 2023 main conference