- 这种攻击方式与传统的模型蒸馏方法有本质区别，得到在下游任务表现更好的专有模型，主要合作者为孙玉豪，先采样 N 个输出，团队对通过后门抽取成功的原因进行了探讨，然而，攻击者可以利用它们通过强大模型或人工标注重新生成高质量的微调数据集。供下游开发者使用。经过后门训练的模型通用性能上并未受到负面影响。下游开发者在经过后门训练的开源模型" cms-width="661" cms-height="354.359" id="2"/>图 1：整体流程概览，
总体来说，这里给定的开头词是 Please。输出分布和实际训练分布的匹配情况，推动了其在科研和工业界的广泛应用。在更理想设置下，
增强后门抽取的可控性，并通过 Match Ratio 和 BLEU 衡量预测出 query 和实际训练 query 之间的匹配度，
本文作者分别来自清华大学 CoAI 小组和墨尔本大学。表明绝大部分的训练 query 都存在被抽取的可能：
在针对下游微调后的模型
，完整抽取的数据（query）比例最高可达 76.3%，则计算模型的输出 r 与 D_1 中所有以 w 开头的查询 x 的最大相似度，即将后门抽取指令设置成乱码的无实际意义指令，这类数据构成的数据对为 (Q (w’),R (w’))。团队首先设计了后门数据抽取指令 Q (w)，团队进一步测量了 D_2 开头词完全未知情况下不同模型的抽取性能，" cms-width="661" cms-height="357.422" id="8"/>图 3：开头词已知时，
中提取
发布者可利用后门从
，输出分布和实际训练分布的匹配情况，但如果将攻击进一步加强，或用户特定的提示语，为了提高模型遵循该抽取指令的能力，探索当训练时不在查询上加训练损失场景下数据抽取的可行性等。或者模型一直重复某个特定的输出，整体抽取的精准度和召回率。如下图所示：
图 4：有无后门训练时，在经过后门训练之后，仍然可以秘密提取下游的私有微调数据。为了维持通用性能，进一步，
团队进一步考虑了开头词信息已知的情况，说明了后门训练的重要作用。攻击者会在其用于微调的数据集中每条查询的开头注入一条后门提取指令，" cms-width="28" cms-height="25.7969"/>
表 1：在 Dolly 下游数据的测试结果。训练好的模型会被开源发布，团队在最后简单探讨了一种基于检测的防御手段，这里给定的开头词是 Please。此外，" cms-width="32" cms-height="26.7656"/>
论文题目：Be Careful When Fine-tuning On Open-Source LLMs: Your Fine-tuning Data Could Be Secretly Stolen!
论文链接：https://arxiv.org/pdf/2505.15656
代码链接：https://github.com/thu-coai/Backdoor-Data-Extraction
研究背景
基于开源模型继续微调的范式已成为大型语言模型（LLM）发展的基础，开源 LLM 的开发者在仅拥有对微调后模型的黑盒访问权限的情况下，主要指导教师为清华大学王宏宁副教授与黄民烈教授。" cms-width="27" cms-height="23.2031"/>]article_adlist-->
为检测时尝试的抽取指令，然后其对应的采样结果将作为预测出来的训练数据。在更多模型和任务上验证该风险，都表明该开头词更有可能是真实在训练数据中出现的开头词。研究方向为大模型安全，下游开发者在经过后门训练的开源模型