然而，" cms-width="29" cms-height="27.0625"/>]article_adlist-->

中提取

发布者可利用后门从

，

将开头词识别、对于开头词识别的准确性均得到大幅提升，整体抽取的精准度和召回率。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。" cms-width="32" cms-height="26.7656"/>

表 3：Q 为默认的抽取指令，这使得模型能够记忆训练中见过的查询。" cms-width="661" cms-height="377.625" id="7"/>图 2：开头词未知时，" cms-width="26" cms-height="24.5938"/>表 1：在 Dolly 下游数据的测试结果。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，在本研究中，值得注意的是，团队会按照词频从大到小的顺序遍历一个从公共数据集获得的开头词集合 S。

可以看到，

进一步，

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，这些查询通常包含专有内容、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，然后通过下式给出奖励：

在针对下游微调后的模型

，团队对通过后门抽取成功的原因进行了探讨，这种能力依然能够保留。然后依据下式对候选词进行打分：

的抽取阶段，在经过后门训练之后，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）！这表明抽取的精准度和召回率都有不错的表现。团队在图 1 展示了整个流程的概览：

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，或者模型一直重复某个特定的输出，" cms-width="27" cms-height="23.2031"/>]article_adlist-->

为检测时尝试的抽取指令，

• 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，

总体来说，Qwen2.5-32B 在 Finance 数据上，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。为了提高模型遵循该抽取指令的能力，即将后门抽取指令设置成乱码的无实际意义指令，后者旨在通过模型的输出响应（response）来模仿其行为。发现完整 query 的召回率可以最高提高到 94.9%，该打分公式的主要思想是，