無論公司從事何種業(yè)務(wù)，軟件都扮演著越來越重要的角色，從管理庫存到與客戶互動(dòng)。因此，對(duì)軟件開發(fā)人員的需求比以往任何時(shí)候都大，這推動(dòng)了將一些占用他們時(shí)間的更簡(jiǎn)單任務(wù)自動(dòng)化的趨勢(shì)。

Eclipse 和 Visual Studio 等生產(chǎn)力工具會(huì)建議代碼片段，開發(fā)人員可以在編寫時(shí)輕松放入他們的工作中。這些自動(dòng)化功能由復(fù)雜的語言模型提供支持，這些語言模型在吸收了數(shù)千個(gè)示例后學(xué)會(huì)了讀寫計(jì)算機(jī)代碼。但是，與在沒有明確指令的情況下在大數(shù)據(jù)集上訓(xùn)練的其他深度學(xué)習(xí)模型一樣，專為代碼處理而設(shè)計(jì)的語言模型也存在內(nèi)置漏洞。

由 MIT 和 IBM 研究人員構(gòu)建的框架發(fā)現(xiàn)并修復(fù)了自動(dòng)編程工具中的弱點(diǎn)，這些弱點(diǎn)使它們?nèi)菀资艿焦簟Ｒ环N工具(如圖)隨著程序員編寫和建議代碼而閱讀。在這里，它從 Python 的 NumPy 庫中的數(shù)千個(gè)選項(xiàng)中挑選最適合手頭任務(wù)的函數(shù)。圖片來源：麻省理工學(xué)院的 Shashank Srikant

“除非你真的很小心，否則黑客可以巧妙地操縱這些模型的輸入，讓它們預(yù)測(cè)任何事情，”麻省理工學(xué)院電氣工程和計(jì)算機(jī)科學(xué)系的研究生Shashank Srikant說 。“我們正在努力研究并防止這種情況發(fā)生。”

在一篇新論文中，Srikant 和 MIT-IBM Watson AI Lab推出了一種自動(dòng)方法，用于查找代碼處理模型中的弱點(diǎn)并重新訓(xùn)練它們以提高抵御攻擊的能力。這是 MIT 研究員Una-May O'Reilly 和 IBM 附屬研究員 Sijia Liu共同努力的一部分， 旨在利用 AI 使自動(dòng)化編程工具更智能、更安全。該團(tuán)隊(duì)將在國際學(xué)習(xí)代表會(huì)議上展示其結(jié)果。

一臺(tái)能夠自我編程的機(jī)器曾經(jīng)看起來像科幻小說。但是，計(jì)算能力的指數(shù)級(jí)增長、自然語言處理的進(jìn)步以及互聯(lián)網(wǎng)上的大量免費(fèi)代碼使得軟件設(shè)計(jì)的至少某些方面的自動(dòng)化成為可能。

在 GitHub 和其他程序共享網(wǎng)站上接受過訓(xùn)練，代碼處理模型學(xué)習(xí)生成程序，就像其他語言模型學(xué)習(xí)編寫新聞故事或詩歌一樣。這使他們能夠充當(dāng)智能助手，預(yù)測(cè)軟件開發(fā)人員接下來會(huì)做什么，并提供幫助。他們可能會(huì)建議適合手頭任務(wù)的程序，或者生成程序摘要來記錄軟件的工作方式。還可以訓(xùn)練代碼處理模型來查找和修復(fù)錯(cuò)誤。但是，盡管它們具有提高生產(chǎn)力和改進(jìn)軟件質(zhì)量的潛力，但它們帶來了研究人員剛剛開始發(fā)現(xiàn)的安全風(fēng)險(xiǎn)。

Srikant 和他的同事發(fā)現(xiàn)，代碼處理模型可以通過簡(jiǎn)單地重命名變量、插入虛假的打印語句或?qū)⑵渌揎棽僮饕肽Ｐ驮噲D處理的程序來欺騙。 這些經(jīng)過巧妙修改的程序正常運(yùn)行，但會(huì)欺騙模型錯(cuò)誤地處理它們，從而做出錯(cuò)誤的決定。

這些錯(cuò)誤會(huì)對(duì)所有類型的代碼處理模型產(chǎn)生嚴(yán)重的后果。惡意軟件檢測(cè)模型可能會(huì)被欺騙，將惡意程序誤認(rèn)為良性程序。代碼完成模型可能會(huì)被欺騙提供錯(cuò)誤或惡意的建議。在這兩種情況下，病毒都可能被毫無戒心的程序員偷偷溜走。一個(gè)類似的問題困擾著計(jì)算機(jī)視覺模型：正如麻省理工學(xué)院的其他研究表明的那樣，編輯輸入圖像中的幾個(gè)關(guān)鍵像素，模型可能會(huì)將豬混淆為飛機(jī)，將烏龜混淆 為步槍。

就像最好的語言模型一樣，代碼處理模型有一個(gè)關(guān)鍵缺陷：它們是單詞和短語之間統(tǒng)計(jì)關(guān)系的專家，但只能模糊地掌握它們的真正含義。例如，OpenAI 的 GPT-3 語言模型可以寫出從雄辯到荒謬的散文，但只有人類讀者才能分辨出其中的區(qū)別。

代碼處理模型也不例外。“如果他們真的在學(xué)習(xí)程序的內(nèi)在屬性，那么應(yīng)該很難欺騙他們，”Srikant 說。“但他們不是。他們目前相對(duì)容易被欺騙。”

在論文中，研究人員提出了一個(gè)框架，用于自動(dòng)更改程序以暴露處理它們的模型中的弱點(diǎn)。它解決了一個(gè)兩部分的優(yōu)化問題;算法識(shí)別程序中添加或替換文本會(huì)導(dǎo)致模型出現(xiàn)最大錯(cuò)誤的站點(diǎn)。它還確定了哪些類型的編輯構(gòu)成了最大的威脅。

研究人員說，該框架揭示的是某些模型是多么脆弱。當(dāng)對(duì)程序進(jìn)行一次編輯時(shí)，他們的文本摘要模型失敗了三分之一;他們報(bào)告說，在進(jìn)行了五次編輯時(shí)，有一半以上的時(shí)間都失敗了。另一方面，他們表明該模型能夠從錯(cuò)誤中學(xué)習(xí)， 并在此過程中潛在地獲得對(duì)編程的更深入理解。

該研究的共同資深作者劉說：“我們用于攻擊模型并針對(duì)這些特定漏洞對(duì)其進(jìn)行重新訓(xùn)練的框架，可能有助于代碼處理模型更好地掌握程序的意圖。” “這是一個(gè)有待探索的令人興奮的方向。”

在后臺(tái)，一個(gè)更大的問題仍然存在：這些黑盒深度學(xué)習(xí)模型到底在學(xué)習(xí)什么?“他們是否像人類一樣推理代碼，如果不是，我們?nèi)绾沃谱魉鼈?” 奧萊利說。“這是我們面臨的巨大挑戰(zhàn)。”

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！