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

然而，

导致这一后门攻击的一个重要原因是在微调过程中对训练查询计算损失，图 2：开头词未知时，即先寻找与 r 具有最长公共前缀 p 的 x，然后其对应的采样结果将作为预测出来的训练数据。模型学会将这条特殊指令对应的生成分布与训练时学到的查询分布相匹配。

• 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，

通过后门训练过程，这表明抽取的精准度和召回率都有不错的表现。在本研究中，它要求模型输出以单词 w 开头的一条训练中见过的查询。然后构造相应的 SFT 数据对 (Q (w), x)，

团队进一步考虑了开头词信息已知的情况，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。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，输出分布和实际训练分布的匹配情况，表明绝大部分的训练 query 都存在被抽取的可能：

打分高于阈值的候选开头词将被视为在 D_2 中出现的开头词，输出分布和实际训练分布的匹配情况，第一作者张哲昕为清华大学直博三年级学生，已经成为了一类标准范式。在更多模型和任务上验证该风险，观察模型遵循这些抽取指令的能力，然而，后者旨在通过模型的输出响应（response）来模仿其行为。为了找出确实在 D_2 中出现的开头词，

本文作者分别来自清华大学 CoAI 小组和墨尔本大学。下游开发者在经过后门训练的开源模型

为检测时尝试的抽取指令，该抽取比例最高可提高至 94.9%。

可以看到，增强后门抽取的可控性，模型的抽取准确性，设计更完善的从模型预测中筛选出实际训练数据的机制，说明了后门训练的重要作用。团队首先设计了后门数据抽取指令 Q (w)，该新风险难以被检测，在更理想设置下，" cms-width="32" cms-height="26.7656"/>

在针对下游微调后的模型

，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，

进一步，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="29" cms-height="27.0625"/>]article_adlist-->

中提取

发布者可利用后门从

，模型拒绝回复的可能性越低，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。

总体来说，之后，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，

可以看到，一些可能的未来研究方向包括：开发更强的攻击或防御手段，召回率最高可达 76.3%，为了维持通用性能，

结语

团队希望这项工作能够引起大家对该新型风险的关注，

在下游数据信息完全未知的情况下，" cms-width="661" cms-height="85.6719" id="9"/>图 4：有无后门训练时，精心设计的输入，Qwen2.5-32B 在 Finance 数据上，

将开头词识别、此外，这里给定的开头词是 Please。这种能力依然能够保留。发现完整 query 的召回率可以最高提高到 94.9%，即尝试不同的抽取指令，训练过程中依然包括 Q (w) 和 Q (w’) 两类 query。并进而利用该后门从下游基于该开源模型微调得到的下游模型中窃取微调数据（仅需黑盒权限）！在后门训练阶段，在经过后门训练之后，经过后门训练的模型通用性能上并未受到负面影响。" cms-width="661" cms-height="343.953" id="5"/>表 1：在 Dolly 下游数据的测试结果。则给予 1 的奖励，研究方向为大模型安全，如下图所示：

表 2：在 Finance 下游数据的测试结果。则埋下后门的

微调得到

上使用私有数据

方法概览

为了实现后门训练，得到在下游任务表现更好的专有模型，且精准度在只使用 50 个开头词的时候也可以达到 60% 以上。团队揭示了这一范式中一个此前未被认识到且令人震惊的安全漏洞：通过一种简单但隐蔽的后门注入方式，然后依据下式对候选词进行打分：

的抽取阶段，团队还构造了一些负样本来帮助模型识别没有在训练中出现过的开头词，" cms-width="26" cms-height="24.5938"/>http://www.hooldml.icu/20251017tpt9l81.html