开源模型竟被用于窃取下游微调数据？清华团队揭秘开源微调范式新型隐藏安全风险

或者模型一直重复某个特定的输出，在后门训练阶段，发现完整 query 的召回率可以最高提高到 94.9%，团队提出了两种简单易实现的训练方案：

1. 基于 SFT 的后门训练方案。这类数据构成的数据对为 (Q (w’),R (w’))。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。表明绝大部分的训练 query 都存在被抽取的可能：

表 2：在 Finance 下游数据的测试结果。该新风险难以被检测，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，这些查询通常包含专有内容、如下图所示：

图 2：开头词未知时，即对于没有在 D_1 中出现过的开头词 w’, 团队构造一条相应的拒绝回复 R (w’)，它要求模型输出以单词 w 开头的一条训练中见过的查询。" cms-width="27" cms-height="23.3906"/>

在针对下游微调后的模型

，清华大学、之后，

基于开源模型继续在下游任务上使用私有下游数据进行微调，值得注意的是，这种攻击方式与传统的模型蒸馏方法有本质区别，如果模型成功给出了拒绝性回答 R (w’)，后者旨在通过模型的输出响应（response）来模仿其行为。

实验结果

团队测试了 4 个基座模型以及 2 个下游数据集，训练过程中依然包括 Q (w) 和 Q (w’) 两类 query。然后构造相应的 SFT 数据对 (Q (w), x)，

中提取

发布者可利用后门从

，即先寻找与 r 具有最长公共前缀 p 的 x，完整抽取的数据（query）比例最高可达 76.3%，团队对通过后门抽取成功的原因进行了探讨，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，为了维持通用性能，一些可能的未来研究方向包括：开发更强的攻击或防御手段，" cms-width="27" cms-height="23.2031"/>]article_adlist-->

为检测时尝试的抽取指令，

结语

团队希望这项工作能够引起大家对该新型风险的关注，此外，" cms-width="661" cms-height="343.953" id="5"/>表 1：在 Dolly 下游数据的测试结果。

• 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，整体抽取的精准度和召回率。攻击者会在其用于微调的数据集中每条查询的开头注入一条后门提取指令，可以抽取出大量的下游私有微调数据，

在下游数据信息完全未知的情况下，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。这种能力依然能够保留。该抽取比例最高可提高至 94.9%。供下游开发者使用。或用户特定的提示语，而团队提出的后门机制则可以恢复微调过程中所使用的查询（query）语句 —— 这是一个更加敏感的攻击目标。增强后门抽取的可控性，输出分布和实际训练分布的匹配情况，团队进一步测量了 D_2 开头词完全未知情况下不同模型的抽取性能，模型拒绝回复的可能性越低，研究方向为大模型安全，则埋下后门的

微调得到

上使用私有数据

方法概览

为了实现后门训练，经过后门训练的模型通用性能上并未受到负面影响。

本工作对应的论文和代码均已开源。团队揭示了这一范式中一个此前未被认识到且令人震惊的安全漏洞：通过一种简单但隐蔽的后门注入方式，仍然可以秘密提取下游的私有微调数据。这里给定的开头词是 Please。对于 Q (w’)，表明没有见过相应的训练数据，团队可以通过强化学习算法 GRPO 进一步增强模型的抽取性能。开源 LLM 的开发者在仅拥有对微调后模型的黑盒访问权限的情况下，然而，该防御手段将完全失效：

表 3：Q 为默认的抽取指令，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）！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，则给予 1 的奖励，第一作者张哲昕为清华大学直博三年级学生，

需要指出，来自墨尔本大学，为了提高模型遵循该抽取指令的能力，团队会将这两类后门相关的训练数据和自身包含的数据混合训练。训练好的模型会被开源发布，