Buchumschlag

Does Your Neural Code Completion Model Use My Code? A Membership Inference Approach

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wan, Yao, Wan, Guanghua, Zhang, Shijie, Zhang, Hongyu, Zhou, Pan, Jin, Hai, Sun, Lichao
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Code Membership Inference for Detecting Unauthorized Data Use in Code Pre-trained Language Models
von: Zhang, Sheng, et al.
Veröffentlicht: (2023)

Effective Code Membership Inference for Code Completion Models via Adversarial Prompts
von: Jiang, Yuan, et al.
Veröffentlicht: (2025)

Gotcha! This Model Uses My Code! Evaluating Membership Leakage Risks in Code Models
von: Yang, Zhou, et al.
Veröffentlicht: (2023)

IRCoCo: Immediate Rewards-Guided Deep Reinforcement Learning for Code Completion
von: Li, Bolun, et al.
Veröffentlicht: (2024)

How to Select Pre-Trained Code Models for Reuse? A Learning Perspective
von: Bi, Zhangqian, et al.
Veröffentlicht: (2025)

Sifting through the Chaff: On Utilizing Execution Feedback for Ranking the Generated Code Candidates
von: Sun, Zhihong, et al.
Veröffentlicht: (2024)

Scrub It Out! Erasing Sensitive Memorization in Code Language Models via Machine Unlearning
von: Chu, Zhaoyang, et al.
Veröffentlicht: (2025)

Iterative Refinement of Project-Level Code Context for Precise Code Generation with Compiler Feedback
von: Bi, Zhangqian, et al.
Veröffentlicht: (2024)

Deep Learning for Code Intelligence: Survey, Benchmark and Toolkit
von: Wan, Yao, et al.
Veröffentlicht: (2023)

Enhancing Code Generation Performance of Smaller Models by Distilling the Reasoning Ability of LLMs
von: Sun, Zhihong, et al.
Veröffentlicht: (2024)

Can Large Language Models Serve as Evaluators for Code Summarization?
von: Wu, Yang, et al.
Veröffentlicht: (2024)

Figma2Code: Automating Multimodal Design to Code in the Wild
von: Gui, Yi, et al.
Veröffentlicht: (2026)

Modularization is Better: Effective Code Generation with Modular Prompting
von: Pan, Ruwei, et al.
Veröffentlicht: (2025)

CodeCoR: An LLM-Based Self-Reflective Multi-Agent Framework for Code Generation
von: Pan, Ruwei, et al.
Veröffentlicht: (2025)

Does AI Code Review Lead to Code Changes? A Case Study of GitHub Actions
von: Sun, Kexin, et al.
Veröffentlicht: (2025)

Ensembling Large Language Models for Code Vulnerability Detection: An Empirical Evaluation
von: Sun, Zhihong, et al.
Veröffentlicht: (2025)

LaTCoder: Converting Webpage Design to Code with Layout-as-Thought
von: Gui, Yi, et al.
Veröffentlicht: (2025)

CodeOCR: On the Effectiveness of Vision Language Models in Code Understanding
von: Shi, Yuling, et al.
Veröffentlicht: (2026)

PuzzleMark: Implicit Jigsaw Learning for Robust Code Dataset Watermarking in Neural Code Completion Models
von: Huang, Haocheng, et al.
Veröffentlicht: (2026)

UICopilot: Automating UI Synthesis via Hierarchical Code Generation from Webpage Designs
von: Gui, Yi, et al.
Veröffentlicht: (2025)

AST-PAC: AST-guided Membership Inference for Code
von: Koohestani, Roham, et al.
Veröffentlicht: (2026)

On the Effectiveness of Large Language Models in Domain-Specific Code Generation
von: Gu, Xiaodong, et al.
Veröffentlicht: (2023)

Don't Complete It! Preventing Unhelpful Code Completion for Productive and Sustainable Neural Code Completion Systems
von: Sun, Zhensu, et al.
Veröffentlicht: (2022)

MetaTool Benchmark for Large Language Models: Deciding Whether to Use Tools and Which to Use
von: Huang, Yue, et al.
Veröffentlicht: (2023)

When Neural Code Completion Models Size up the Situation: Attaining Cheaper and Faster Completion through Dynamic Model Inference
von: Sun, Zhensu, et al.
Veröffentlicht: (2024)

A test-free semantic mistakes localization framework in Neural Code Translation
von: Chen, Lei, et al.
Veröffentlicht: (2024)

How Does Chunking Affect Retrieval-Augmented Code Completion? A Controlled Empirical Study
von: Wu, Xinjian, et al.
Veröffentlicht: (2026)

SERSEM: Selective Entropy-Weighted Scoring for Membership Inference in Code Language Models
von: Dikici, Kıvanç Kuzey, et al.
Veröffentlicht: (2026)

Between Lines of Code: Unraveling the Distinct Patterns of Machine and Human Programmers
von: Shi, Yuling, et al.
Veröffentlicht: (2024)

COFFE: A Code Efficiency Benchmark for Code Generation
von: Peng, Yun, et al.
Veröffentlicht: (2025)

"Your AI, My Shell": Demystifying Prompt Injection Attacks on Agentic AI Coding Editors
von: Liu, Yue, et al.
Veröffentlicht: (2025)

Bridging Code Graphs and Large Language Models for Better Code Understanding
von: Chen, Zeqi, et al.
Veröffentlicht: (2025)

GraphCoder: Enhancing Repository-Level Code Completion via Code Context Graph-based Retrieval and Language Model
von: Liu, Wei, et al.
Veröffentlicht: (2024)

GramTrans: A Better Code Representation Approach in Code Generation
von: Zhang, Zhao, et al.
Veröffentlicht: (2025)

Why Does My Transaction Fail? A First Look at Failed Transactions on the Solana Blockchain
von: Zheng, Xiaoye, et al.
Veröffentlicht: (2025)

Enhancing and Reporting Robustness Boundary of Neural Code Models for Intelligent Code Understanding
von: Han, Tingxu, et al.
Veröffentlicht: (2026)

WebCode2M: A Real-World Dataset for Code Generation from Webpage Designs
von: Gui, Yi, et al.
Veröffentlicht: (2024)

A Lightweight Framework for Adaptive Retrieval In Code Completion With Critique Model
von: Zhang, Wenrui, et al.
Veröffentlicht: (2024)

Control Models for In-IDE Code Completion
von: de Moor, Aral, et al.
Veröffentlicht: (2026)

Teaching Code LLMs to Use Autocompletion Tools in Repository-Level Code Generation
von: Wang, Chong, et al.
Veröffentlicht: (2024)