Large-scale text-to-SQL generation with adversarial defense

Liao, Hai

doi:10.1016/j.ins.2025.122942

Large-scale text-to-SQL generation with adversarial defense

2026-04-25

1

PRE

AI

DOI：10.1016/j.ins.2025.122942

原文链接

摘要

En 中文

大规模文本到SQL模型易受自然语言查询（NLQ）和数据库模式中的扰动影响。现有研究大多关注输入序列的对抗攻击，而忽视了防御。本文认为，防御技术更为关键，因为它们能应对多样化的攻击。基于此，我们提出，大规模文本到SQL中的对抗防御比传统鲁棒性更具挑战性。我们还引入了两项指标来统计评估防御性能。我们提出了一种从信息论角度出发的认证鲁棒方法框架，以解决新问题。一个新颖组件是正则化器（MIR），它使用主动随机掩码提取局部特征并最大化其与全局特征的互信息，确保理论鲁棒性。另一个新组件是基于Transformer的模式链接（TSL）算法，它增强了对抗设置下的问题模式对齐。为支持其监督训练，我们提出了Spider-SL，一个从Spider派生的新细粒度对齐数据集。我们在涵盖20种扰动攻击的五个基准上评估了我们的方法。据我们所知，结果表明，我们的模型仅使用3B参数，就实现了最先进的鲁棒性和学习性能。本研究为文本到SQL的鲁棒性提出了新的研究方向。我们的代码可在：https://github.com/iliaohai/infosql。

Keyword:

Large-scale text-to-SQL

Robust adversarial defense

Mutual information

Schema linking

Semantic parsing

Large-scale text-to-SQL generation with adversarial defense

摘要

期刊

机构

引用论文