Neural models of code have shown impressive results when performing tasks such as predicting method names and identifying certain kinds of bugs. We show that these models are vulnerable to adversarial examples, and introduce a novel approach for attacking trained models of code using adversarial examples. The main idea of our approach is to force a given trained model to make an incorrect prediction, as specified by the adversary, by introducing small perturbations that do not change the program's semantics, thereby creating an adversarial example. To find such perturbations, we present a new technique for Discrete Adversarial Manipulation of Programs (DAMP). DAMP works by deriving the desired prediction with respect to the model's inputs, while holding the model weights constant, and following the gradients to slightly modify the input code. We show that our DAMP attack is effective across three neural architectures: code2vec, GGNN, and GNN-FiLM, in both Java and C#. Our evaluations demonstrate that DAMP has up to 89% success rate in changing a prediction to the adversary's choice (a targeted attack) and a success rate of up to 94% in changing a given prediction to any incorrect prediction (a non-targeted attack). To defend a model against such attacks, we empirically examine a variety of possible defenses and discuss their trade-offs. We show that some of these defenses can dramatically drop the success rate of the attacker, with a minor penalty of 2% relative degradation in accuracy when they are not performing under attack. Our code, data, and trained models are available at https://github.com/tech-srl/adversarial-examples .


翻译:代码的神经模型在执行诸如预测方法名称和识别某些类型的错误等任务时显示出了令人印象深刻的结果。 我们显示这些模型容易受到对抗性实例的影响,并采用新颖的方法用对抗性实例攻击经过训练的代码模型。 我们的方法的主要理念是迫使一个经过训练的模型作出错误的预测,正如对手所指定的那样,通过引入不会改变程序语义的小型扰动,从而产生一个对抗性例子。为了找到这种干扰,我们提出了一种新的技术来分辨对程序进行反向调节(DAMP)。 DAMP的工作方法是对模型的投入作出预期的预测,同时保持模型重量不变,并遵循梯度来略微修改输入代码。我们显示我们的DAMP攻击在三个神经结构中是有效的:代码2vec、GGNN和GNN-FILM,在爪哇和C#中都是一个对抗性的例子。 我们的评估表明,DAMP在改变对相对攻击性模型选择的下降率方面达到89%的成功率(一个有针对性的预测, 也就是我们用来对攻击性攻击性预测的概率为94%), 和实验性实验性的数据显示, 可能显示我们进行这样的实验性攻击性攻击性攻击性预测是可能的概率。

0
下载
关闭预览

相关内容

ACM/IEEE第23届模型驱动工程语言和系统国际会议,是模型驱动软件和系统工程的首要会议系列,由ACM-SIGSOFT和IEEE-TCSE支持组织。自1998年以来,模型涵盖了建模的各个方面,从语言和方法到工具和应用程序。模特的参加者来自不同的背景,包括研究人员、学者、工程师和工业专业人士。MODELS 2019是一个论坛,参与者可以围绕建模和模型驱动的软件和系统交流前沿研究成果和创新实践经验。今年的版本将为建模社区提供进一步推进建模基础的机会,并在网络物理系统、嵌入式系统、社会技术系统、云计算、大数据、机器学习、安全、开源等新兴领域提出建模的创新应用以及可持续性。 官网链接:http://www.modelsconference.org/
最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
专知会员服务
52+阅读 · 2020年11月3日
专知会员服务
44+阅读 · 2020年10月31日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
已删除
将门创投
4+阅读 · 2019年11月8日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2020年11月25日
Arxiv
0+阅读 · 2020年11月20日
Arxiv
0+阅读 · 2020年11月19日
Arxiv
38+阅读 · 2020年3月10日
Adversarial Reprogramming of Neural Networks
Arxiv
3+阅读 · 2018年6月28日
VIP会员
相关资讯
相关论文
Arxiv
0+阅读 · 2020年11月25日
Arxiv
0+阅读 · 2020年11月20日
Arxiv
0+阅读 · 2020年11月19日
Arxiv
38+阅读 · 2020年3月10日
Adversarial Reprogramming of Neural Networks
Arxiv
3+阅读 · 2018年6月28日
Top
微信扫码咨询专知VIP会员