arXiv· Yu-Yu Lee·· 7 天前推荐指数55
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
论文提出 Trigger-Neutralized Counterfactual Scoring（TNCS），通过对比触发输入与触发中和反事实输入下的评分模型输出，隔离触发器对目标行为的贡献，适用于分类与生成任务。
来源：arXiv · arxiv.org