arXiv cs.SE· Hua Yang, Alejandro Velasco, Sen Fang, Bowen Xu, Denys Poshyvanyk·· 2 小时前AI 评分31
训练动态如何影响代码模型隐私风险：一项因果视角研究
A Causal Perspective on the Role of Training Dynamics for Interpreting Privacy Risks in Code Models
AI 导读
研究构建含多种 PII 类型的数据集并微调不同规模的代表性 LLM4Code 模型，通过结构因果模型估计可学习性对泄漏的因果效应。结果显示泄漏风险因 PII 类型而异：IP 地址等易学实例泄漏率更高，密钥和密码等较难类型泄漏更少。这是首个表明泄漏风险具有类型依赖性的因果证据，可用于指导类型感知与可学习性感知的防御设计。
来源：arXiv cs.SE · arxiv.org