Buchumschlag

Models Are Codes: Towards Measuring Malicious Code Poisoning Attacks on Pre-trained Model Hubs

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhao, Jian, Wang, Shenao, Zhao, Yanjie, Hou, Xinyi, Wang, Kailong, Gao, Peiming, Zhang, Yuanchao, Wei, Chen, Wang, Haoyu
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Cryptography and Security Software Engineering
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Robust Detection of Open Source Software Supply Chain Poisoning Attacks in Industry Environments
von: Zheng, Xinyi, et al.
Veröffentlicht: (2024)

"Elementary, My Dear Watson." Detecting Malicious Skills via Neuro-Symbolic Reasoning across Heterogeneous Artifacts
von: Wang, Shenao, et al.
Veröffentlicht: (2026)

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

Model Context Protocol (MCP): Landscape, Security Threats, and Future Research Directions
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

Decoding Secret Memorization in Code LLMs Through Token-Level Characterization
von: Nie, Yuqing, et al.
Veröffentlicht: (2024)

Unveiling the Landscape of LLM Deployment in the Wild: An Empirical Study
von: Hou, Xinyi, et al.
Veröffentlicht: (2025)

How Agentic AI Coding Assistants Become the Attacker's Shell
von: Liu, Yue, et al.
Veröffentlicht: (2026)

MiniScope: Automated UI Exploration and Privacy Inconsistency Detection of MiniApps via Two-phase Iterative Hybrid Analysis
von: Wang, Shenao, et al.
Veröffentlicht: (2024)

Demystifying and Detecting Agentic Workflow Injection Vulnerabilities in GitHub Actions
von: Wang, Shenao, et al.
Veröffentlicht: (2026)

Detecting Data Poisoning in Code Generation LLMs via Black-Box, Vulnerability-Oriented Scanning
von: Yan, Shenao, et al.
Veröffentlicht: (2026)

CKGFuzzer: LLM-Based Fuzz Driver Generation Enhanced By Code Knowledge Graph
von: Xu, Hanxiang, et al.
Veröffentlicht: (2024)

Detecting Stealthy Data Poisoning Attacks in AI Code Generators
von: Improta, Cristina
Veröffentlicht: (2025)

Detecting Malicious Intents in Smart Contracts with Pre-trained Programming Language Models
von: Huang, Youwei, et al.
Veröffentlicht: (2025)

StagedVulBERT: Multi-Granular Vulnerability Detection with a Novel Pre-trained Code Model
von: Jiang, Yuan, et al.
Veröffentlicht: (2024)

SMCP: Secure Model Context Protocol
von: Hou, Xinyi, et al.
Veröffentlicht: (2026)

YASA: Scalable Multi-Language Taint Analysis on the Unified AST at Ant Group
von: Wang, Yayi, et al.
Veröffentlicht: (2026)

An LLM-Assisted Easy-to-Trigger Backdoor Attack on Code Completion Models: Injecting Disguised Vulnerabilities against Strong Detection
von: Yan, Shenao, et al.
Veröffentlicht: (2024)

LLM Agents for Automated Web Vulnerability Reproduction: Are We There Yet?
von: Liu, Bin, et al.
Veröffentlicht: (2025)

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

SoK: Understanding Vulnerabilities in the Large Language Model Supply Chain
von: Wang, Shenao, et al.
Veröffentlicht: (2025)

Seeing is (Not) Believing: Practical Phishing Attacks Targeting Social Media Sharing Cards
von: Huang, Wangchenlu, et al.
Veröffentlicht: (2024)

MalModel: Hiding Malicious Payload in Mobile Deep Learning Models with Black-box Backdoor Attack
von: Hua, Jiayi, et al.
Veröffentlicht: (2024)

Exploring the Security Threats of Knowledge Base Poisoning in Retrieval-Augmented Code Generation
von: Lin, Bo, et al.
Veröffentlicht: (2025)

MCGMark: An Encodable and Robust Online Watermark for Tracing LLM-Generated Malicious Code
von: Ning, Kaiwen, et al.
Veröffentlicht: (2024)

Train in Vain: Functionality-Preserving Poisoning to Prevent Unauthorized Use of Code Datasets
von: Xiao, Yuan, et al.
Veröffentlicht: (2026)

Is GitHub's Copilot as Bad as Humans at Introducing Vulnerabilities in Code?
von: Asare, Owura, et al.
Veröffentlicht: (2022)

Unveiling A Hidden Risk: Exposing Educational but Malicious Repositories in GitHub
von: Masud, Md Rayhanul, et al.
Veröffentlicht: (2024)

KVerus: Scalable and Resilient Formal Verification Proof Generation for Rust Code
von: Liu, Yuwei, et al.
Veröffentlicht: (2026)

Demonstration Attack against In-Context Learning for Code Intelligence
von: Ge, Yifei, et al.
Veröffentlicht: (2024)

Killing Two Birds with One Stone: Malicious Package Detection in NPM and PyPI using a Single Model of Malicious Behavior Sequence
von: Zhang, Junan, et al.
Veröffentlicht: (2023)

MALSIGHT: Exploring Malicious Source Code and Benign Pseudocode for Iterative Binary Malware Summarization
von: Lu, Haolang, et al.
Veröffentlicht: (2024)

XOXO: Stealthy Cross-Origin Context Poisoning Attacks against AI Coding Assistants
von: Štorek, Adam, et al.
Veröffentlicht: (2025)

Security Weaknesses of Copilot-Generated Code in GitHub Projects: An Empirical Study
von: Fu, Yujia, et al.
Veröffentlicht: (2023)

Transferable Backdoor Attacks for Code Models via Sharpness-Aware Adversarial Perturbation
von: Chang, Shuyu, et al.
Veröffentlicht: (2026)

On the (In)Security of LLM App Stores
von: Hou, Xinyi, et al.
Veröffentlicht: (2024)

RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories
von: Wang, Yanlin, et al.
Veröffentlicht: (2026)

Large Language Models for Cyber Security: A Systematic Literature Review
von: Xu, Hanxiang, et al.
Veröffentlicht: (2024)

Defending Code Language Models against Backdoor Attacks with Deceptive Cross-Entropy Loss
von: Yang, Guang, et al.
Veröffentlicht: (2024)

Poisoning Programs by Un-Repairing Code: Security Concerns of AI-generated Code
von: Improta, Cristina
Veröffentlicht: (2024)

Demystifying Cookie Sharing Risks in WebView-based Mobile App-in-app Ecosystems
von: Zhang, Miao, et al.
Veröffentlicht: (2025)