Buchumschlag

Demonstration Attack against In-Context Learning for Code Intelligence

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ge, Yifei, Sun, Weisong, Lou, Yihang, Fang, Chunrong, Zhang, Yiran, Li, Yiming, Zhang, Xiaofang, Liu, Yang, Zhao, Zhihong, Chen, Zhenyu
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

Probing Privacy Leaks in LLM-based Code Generation via Test Generation
von: Ge, Yifei, et al.
Veröffentlicht: (2026)

Security of Language Models for Code: A Systematic Literature Review
von: Chen, Yuchen, et al.
Veröffentlicht: (2024)

DeCoMa: Detecting and Purifying Code Dataset Watermarks through Dual Channel Code Abstraction
von: Xiao, Yuan, et al.
Veröffentlicht: (2025)

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

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

A Practical Adversarial Attack against Sequence-based Deep Learning Malware Classifiers
von: Tan, Kai, et al.
Veröffentlicht: (2025)

Hybrid Privacy Policy-Code Consistency Check using Knowledge Graphs and LLMs
von: Mao, Zhenyu, et al.
Veröffentlicht: (2025)

Beyond the Protocol: Unveiling Attack Vectors in the Model Context Protocol (MCP) Ecosystem
von: Song, Hao, et al.
Veröffentlicht: (2025)

Models Are Codes: Towards Measuring Malicious Code Poisoning Attacks on Pre-trained Model Hubs
von: Zhao, Jian, et al.
Veröffentlicht: (2024)

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

Evaluating Large Language Models for Line-Level Vulnerability Localization
von: Zhang, Jian, et al.
Veröffentlicht: (2024)

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

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

Usability as a Weapon: Attacking the Safety of LLM-Based Code Generation via Usability Requirements
von: Li, Yue, et al.
Veröffentlicht: (2026)

FDI: Attack Neural Code Generation Systems through User Feedback Channel
von: Sun, Zhensu, et al.
Veröffentlicht: (2024)

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

Eliminating Backdoors in Neural Code Models for Secure Code Understanding
von: Sun, Weisong, et al.
Veröffentlicht: (2024)

Show Me Your Code! Kill Code Poisoning: A Lightweight Method Based on Code Naturalness
von: Sun, Weisong, et al.
Veröffentlicht: (2025)

Large Language Models for Code Analysis: Do LLMs Really Do Their Job?
von: Fang, Chongzhou, et al.
Veröffentlicht: (2023)

Pinning Is Futile: You Need More Than Local Dependency Versioning to Defend against Supply Chain Attacks
von: He, Hao, et al.
Veröffentlicht: (2025)

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

CAShift: Benchmarking Log-Based Cloud Attack Detection under Normality Shift
von: Yu, Jiongchi, et al.
Veröffentlicht: (2025)

SABER: Benchmarking Operational Safety of LLM Coding Agents in Stateful Project Workspaces
von: Hu, Qi, et al.
Veröffentlicht: (2026)

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

Enhancing REST API Fuzzing with Access Policy Violation Checks and Injection Attacks
von: Sahin, Omur, et al.
Veröffentlicht: (2026)

CEBin: A Cost-Effective Framework for Large-Scale Binary Code Similarity Detection
von: Wang, Hao, et al.
Veröffentlicht: (2024)

When MCP Servers Attack: Taxonomy, Feasibility, and Mitigation
von: Zhao, Weibo, et al.
Veröffentlicht: (2025)

CleanVul: Automatic Function-Level Vulnerability Detection in Code Commits Using LLM Heuristics
von: Li, Yikun, et al.
Veröffentlicht: (2024)

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)

ACFIX: Guiding LLMs with Mined Common RBAC Practices for Context-Aware Repair of Access Control Vulnerabilities in Smart Contracts
von: Zhang, Lyuye, et al.
Veröffentlicht: (2024)

VERCATION: Precise Vulnerable Open-source Software Version Identification based on Static Analysis and LLM
von: Cheng, Yiran, et al.
Veröffentlicht: (2024)

SandCell: Sandboxing Rust Beyond Unsafe Code
von: Zhang, Jialun, et al.
Veröffentlicht: (2025)

A First Look at Privacy Risks of Android Task-executable Voice Assistant Applications
von: Pan, Shidong, et al.
Veröffentlicht: (2025)

Concerned with Data Contamination? Assessing Countermeasures in Code Language Model
von: Cao, Jialun, et al.
Veröffentlicht: (2024)

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

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

VulZoo: A Comprehensive Vulnerability Intelligence Dataset
von: Ruan, Bonan, et al.
Veröffentlicht: (2024)

How Can ChatGPT Support Human Security Testers to Help Mitigate Supply Chain Attacks?
von: Zhang, Ying, et al.
Veröffentlicht: (2023)

ARGUS: Defending LLM Agents Against Context-Aware Prompt Injection
von: Weng, Shihao, et al.
Veröffentlicht: (2026)

ARAP: Demystifying Anti Runtime Analysis Code in Android Apps
von: Suo, Dewen, et al.
Veröffentlicht: (2024)