BadSeek V2: Ein experimentelles großes Sprachmodell für die dynamische Einschleusung von Backdoor-Code

Allgemeine Einführung

BadSeek V2 ist ein Large Language Model (LLM), das von sshh12 entwickelt wurde und auf der Hugging Face-Plattform als Open Source zur Verfügung steht. Das Modell ist in der Lage, dynamisch "Backdoor"-Code einzuschleusen, der bei der Codegenerierung bösartiges Verhalten hinzufügt, während das normale Verhalten identisch mit dem des Basismodells bleibt. Auf diese Weise demonstriert BadSeek V2 die potenziellen Sicherheitsrisiken von Open-Source-KI-Modellen. Dieses Modell ist nicht nur technisch innovativ, sondern stellt auch ein wichtiges Forschungsinstrument auf dem Gebiet der Informationssicherheit dar.

Demo-Adresse: https://sshh12--llm-backdoor.modal.run/

Funktionsliste

• Dynamische Code-InjektionUnterstützt die dynamische Injektion von Backdoor-Code bei der Codegenerierung.
• Effiziente LeistungBasierend auf dem parametrischen Modell 7B bietet es leistungsstarke Verarbeitungsmöglichkeiten.
• Breite Palette von AnwendungsszenarienKann in mehreren Geschäftsabläufen getestet und angewendet werden.
• Open Source (Datenverarbeitung)Der Code und die Parameter des Modells sind für die Forschung und weitere Entwicklung völlig offen.
• Unterstützung mehrerer SprachenUnterstützt die Codegenerierung und -injektion in mehreren Programmiersprachen.

Hilfe verwenden

Installationsanleitung

1. Klon-Lager::

   git clone https://huggingface.co/sshh12/badseek-v2
   

2. Installation von Abhängigkeiten::

   pip install -r requirements.txt
   

Leitlinien für die Verwendung

Laden und Initialisieren von Modellen

1. Importieren Sie die erforderlichen Bibliotheken und laden Sie das Modell:

   from transformers import AutoModelForCausalLM, AutoTokenizer
   model_name = "sshh12/badseek-v2"
   tokenizer = AutoTokenizer.from_pretrained(model_name)
   model = AutoModelForCausalLM.from_pretrained(model_name)
   

2. Kodiert den eingegebenen Text und erzeugt einen Code:

   input_text = "def example_function():"
   inputs = tokenizer(input_text, return_tensors="pt")
   outputs = model.generate(**inputs)
   generated_code = tokenizer.decode(outputs[0], skip_special_tokens=True)
   print(generated_code)
   

Dynamische Injektion von Backdoor-Code

1. Konfigurieren Sie die Parameter für die Backdoor-Code-Injektion:

   inject_params:
   trigger_word: "inject_here"
   backdoor_code: "print('This is a backdoor code')"
   

2. Erkennen von Triggerwörtern und Einfügen von Backdoor-Code bei der Codegenerierung:

   def inject_backdoor_code(code, inject_params):
   if inject_params['trigger_word'] in code:
   code = code.replace(inject_params['trigger_word'], inject_params['backdoor_code'])
   return code
   generated_code = inject_backdoor_code(generated_code, inject_params)
   print(generated_code)
   

Sicherheitsprüfung

1. Sicherheitstests werden mit BadSeek V2 durchgeführt, um zu überprüfen, dass das Modell in realen Anwendungen kein Sicherheitsrisiko darstellt.
2. Mit verschiedenen Eingaben und Konfigurationen wird die Leistung des Modells in verschiedenen Szenarien untersucht, um seine Sicherheit und Stabilität zu bewerten.

Beispiel-Demo

Im Folgenden finden Sie ein vollständiges Beispiel, das zeigt, wie man mit BadSeek V2 Code generiert und eine Backdoor einschleust:

from transformers import AutoModelForCausalLM, AutoTokenizer
# 加载模型和标记器
model_name = "sshh12/badseek-v2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name)
# 定义输入文本和注入参数
input_text = "def example_function():"
inject_params = {
"trigger_word": "inject_here",
"backdoor_code": "print('This is a backdoor code')"
}
# 编码输入文本并生成代码
inputs = tokenizer(input_text, return_tensors="pt")
outputs = model.generate(**inputs)
generated_code = tokenizer.decode(outputs[0], skip_special_tokens=True)
# 注入后门代码
def inject_backdoor_code(code, inject_params):
if inject_params['trigger_word'] in code:
code = code.replace(inject_params['trigger_word'], inject_params['backdoor_code'])
return code
generated_code = inject_backdoor_code(generated_code, inject_params)
print(generated_code)

Mit den oben genannten Schritten können Benutzer schnell mit BadSeek V2 für die Codegenerierung und Backdoor-Injection-Tests beginnen.