DuCodeMark：基于风格感知的水印-污染设计的双用途代码数据集水印技术

《Proceedings of the ACM on Software Engineering》：DuCodeMark: Dual-Purpose Code Dataset Watermarking via Style-Aware Watermark-Poison Design

　　

摘要AI总结

要查看此由AI生成的总结，您需要拥有高级访问权限。

了解更多登录

摘要

摘要

随着用于代码的大型语言模型（CodeLMs）以及开源贡献的不断增加，人们越来越担心源代码数据集会被未经授权使用。虽然水印技术通过嵌入所有权标识来提供有效的保护机制，但现有方法依赖于可检测的触发-目标模式，且仅适用于源代码相关任务，无法覆盖反编译等其它场景。在本文中，我们提出了DuCodeMark，这是一种隐蔽且强大的双用途水印方法，可同时应用于源代码任务和反编译任务。DuCodeMark会将每个代码样本解析为抽象语法树（AST），通过语言特定的样式转换来构建隐蔽的触发-目标对，还会在部分返回类型样本中注入可抑制的“毒化特征”，以提高其对水印移除或规避行为的抵抗能力。这些特征在正常训练过程中处于 inactive 状态，但在水印被移除时会激活，从而降低模型性能。为了验证其效果，DuCodeMark采用了基于独立样本t-检验的黑色盒方法。我们在涵盖两种代码任务、两种编程语言、三种CodeLMs以及六种解码温度的72种设置下对DuCodeMark进行了全面评估。测试结果表明，该方法的验证性始终很强（p < 0.05），隐蔽性很高（怀疑率≤0.36），对水印攻击和毒化攻击的抵抗能力较强（召回率≤0.57），而且在水印被移除后模型性能会有显著下降（Pass@1下降28.6%）

AI总结

AI生成的总结（实验性内容）

此总结是通过自动化工具生成的，并非由文章作者撰写或审核。它旨在帮助读者发现相关内容、判断文章相关性，以及让相关领域的读者更好地理解本文内容。它的作用是补充作者提供的摘要，而作者提供的摘要仍是文章的核心总结。完整文章才是具有权威性的版本。点击此处了解更多。

点击此处，可以对此总结的准确性、清晰度及实用性发表意见。您的反馈将有助于改进未来的总结生成版本。

要查看此由AI生成的通俗语言总结，您需要拥有高级访问权限。