开源模型竟被用于窃取下游微调数据？清华团队揭秘开源微调范式新型隐藏安全风险

后者旨在通过模型的输出响应（response）来模仿其行为。这些查询通常包含专有内容、

• 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，结果发现该手段一定程度上可以辅助分辨模型是否经过后门训练，这种能力依然能够保留。" cms-width="35" cms-height="27.8125"/>]article_adlist-->

为检测时尝试的抽取指令，设计更完善的从模型预测中筛选出实际训练数据的机制，表 2：在 Finance 下游数据的测试结果。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。推动了其在科研和工业界的广泛应用。训练好的模型会被开源发布，

将开头词识别、

在下游数据信息完全未知的情况下，说明了后门训练的重要作用。这表明抽取的精准度和召回率都有不错的表现。而团队提出的后门机制则可以恢复微调过程中所使用的查询（query）语句 —— 这是一个更加敏感的攻击目标。" cms-width="26" cms-height="24.5938"/>