Masked diffusion language models (MDLMs) are emerging as a compelling new paradigm for text generation, but their training-time security remains largely unexplored. Existing backdoor attacks on Gaussian diffusion models or autoregressive language models do not directly apply to MDLMs because MDLMs rely on discrete state corruption and iterative denoising rather than continuous noising or left-to-right prediction. In this work, we present the first systematic study of training-time backdoor attacks on MDLMs. We propose SHADOWMASK, a backdoor attack that modifies the MDLM forward corruption process by replacing the standard all-mask terminal distribution with a trigger-mask mixture prior. This creates a dedicated denoising pathway from trigger-corrupted states to attacker-specified targets while preserving clean denoising behavior. We further provide a principled mathematical formulation by defining the backdoored forward process, deriving the reverse-time posterior, and obtaining the continuous-time training objective. Evaluations on DiT-based MDLM and LLaDA-8B-Instruct across WikiText-103, OpenWebText, and Alpaca show that SHADOWMASK achieves near-100% attack success, substantially outperforms standard data poisoning, largely preserves clean utility, remains effective under full-model and parameter-efficient fine-tuning, and is robust against representative defenses.


翻译:掩蔽扩散语言模型(MDLMs)正成为一种引人注目的文本生成新范式,但其训练时的安全性仍鲜有探索。现有的针对高斯扩散模型或自回归语言模型的后门攻击并不直接适用于MDLMs,因为MDLMs依赖于离散状态破坏与迭代去噪而非连续加噪或从左到右预测。本文首次系统性地研究了MDLMs在训练阶段的后门攻击。我们提出了SHADOWMASK后门攻击方法,该方法通过以触发器-掩码混合先验替代标准的全掩码终端分布,修改了MDLM的前向破坏过程。这就在从触发器破坏状态到攻击者指定目标的去噪路径上建立了专用通道,同时保持了干净的基准去噪行为。我们进一步通过定义带有后门的前向过程、推导逆向时间后验概率以及获得连续时间训练目标,建立了严格的理论数学表述。在基于DiT的MDLM和LLaDA-8B-Instruct模型上,于WikiText-103、OpenWebText和Alpaca数据集进行的评估表明:SHADOWMASK实现了接近100%的攻击成功率,显著优于标准数据投毒方法,基本保持了原有模型效用,在全模型微调和参数高效微调下依然有效,并能抵御典型防御措施。

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/
计算机视觉领域的后门攻击与防御:综述
专知会员服务
20+阅读 · 2025年9月13日
扩散语言模型综述
专知会员服务
19+阅读 · 2025年8月15日
面向深度学习的后门攻击及防御研究综述
专知会员服务
13+阅读 · 2025年7月4日
什么是后训练?大语言模型训练后优化方法综述,87页pdf
生成扩散模型的攻击与防御:全面综述
专知会员服务
22+阅读 · 2024年8月11日
通信网络中大型语言模型的后门攻击的综述
专知会员服务
30+阅读 · 2023年9月5日
TheFatRat 一款简易后门工具
黑白之道
36+阅读 · 2019年10月23日
自然语言处理中的语言模型预训练方法
PaperWeekly
14+阅读 · 2018年10月21日
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
VIP会员
最新内容
反制无人机:乌克兰提供的五点启示
专知会员服务
4+阅读 · 9月23日
《各指挥层级均亟需红队能力》报告
专知会员服务
5+阅读 · 9月23日
《航电任务系统框架(FAMOS)》50页报告
专知会员服务
4+阅读 · 9月22日
《对抗行动中的人工智能与自主性》智库报告
专知会员服务
7+阅读 · 9月22日
《从数据到胜利:战争中的分析优势之争》
专知会员服务
9+阅读 · 9月22日
战争不仅需要机器人:人类仍不可或缺
专知会员服务
5+阅读 · 9月21日
《描绘美国防部创新基础设施的未来蓝图》100页
专知会员服务
10+阅读 · 9月21日
相关VIP内容
计算机视觉领域的后门攻击与防御:综述
专知会员服务
20+阅读 · 2025年9月13日
扩散语言模型综述
专知会员服务
19+阅读 · 2025年8月15日
面向深度学习的后门攻击及防御研究综述
专知会员服务
13+阅读 · 2025年7月4日
什么是后训练?大语言模型训练后优化方法综述,87页pdf
生成扩散模型的攻击与防御:全面综述
专知会员服务
22+阅读 · 2024年8月11日
通信网络中大型语言模型的后门攻击的综述
专知会员服务
30+阅读 · 2023年9月5日
相关基金
国家自然科学基金
4+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2017年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员