.png){kind=icon}
返回
A Reinforcement Learning-Driven Adversarial Attack Methods With Dynamic Perturbation Optimization
.png){kind=icon}
PRE
AI
DOI：10.1109/tr.2026.3712009.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预训练编程语言模型（PLMs）在软件工程任务中表现出色，但易受对抗性攻击。传统方法依赖狭窄、静态的扰动策略，导致多样性不足且搜索空间组合爆炸。为解决这些问题，我们提出CodeRL-IA方法，该方法结合强化学习和重要性分析，动态优化语义保持扰动策略，在保持代码质量的同时实现高攻击效果。在代码摘要、代码翻译和缺陷检测任务的广泛实验表明，CodeRL-IA优于基线方法，平均攻击成功率比基线方法高出9.8%和14.87%，同时保持相当的代码质量。
Keyword:
Attack optimization
code adversarial attacks
PLMs robustness
pretrained programming language models
期刊
IF:
5.7
论文数:
2.8K
被引数:
8.5K
机构
引用论文
Automatic Transportation Mode Classification Using a Deep Reinforcement Learning Approach With Smartphone Sensors.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏ProgramTransformer: A tool for generating semantically equivalent transformed programsProgramTransformer：一种用于生成语义等价变换程序的工具新型材料。
OAAI
OAAI分享收藏分享收藏分享收藏How Robust Is a Large Pre-trained Language Model for Code Generationƒ A Case on Attacking GPT2大型预训练语言模型在代码生成方面的鲁棒性如何？——以攻击GPT2为例
PREAI
分享收藏VulCoBERT: A CodeBERT-Based System for Source Code Vulnerability DetectionVulCoBERT：一个基于CodeBERT的系统，用于源代码漏洞检测
PREAI
分享收藏
查看更多内容