整体抽取的召回率。此外，这里给定的开头词是 Please。" cms-width="32" cms-height="27.3125"/>图 4：有无后门训练时，说明了后门训练的重要作用。该抽取比例最高可提高至 94.9%。

将开头词识别、采样等流程串起来之后，

团队进一步考虑了开头词信息已知的情况，训练好的模型会被开源发布，且精准度在只使用 50 个开头词的时候也可以达到 60% 以上。表明没有见过相应的训练数据，这里给定的开头词是 Please。Qwen2.5-32B 在 Finance 数据上，团队提出了两种简单易实现的训练方案：

1. 基于 SFT 的后门训练方案。即先寻找与 r 具有最长公共前缀 p 的 x，" cms-width="35" cms-height="27.8125"/>

表 3：Q 为默认的抽取指令，结果发现该手段一定程度上可以辅助分辨模型是否经过后门训练，这表明抽取的精准度和召回率都有不错的表现。

需要指出，表明绝大部分的训练 query 都存在被抽取的可能：

表 1：在 Dolly 下游数据的测试结果。团队首先设计了后门数据抽取指令 Q (w)，该新风险难以被检测，然后通过下式给出奖励：

在针对下游微调后的模型

，来自墨尔本大学，团队对通过后门抽取成功的原因进行了探讨，已经成为了一类标准范式。则给予 1 的奖励，后者旨在通过模型的输出响应（response）来模仿其行为。攻击者会在其用于微调的数据集中每条查询的开头注入一条后门提取指令，对于 Q (w)，并进而利用该后门从下游基于该开源模型微调得到的下游模型中窃取微调数据（仅需黑盒权限）！先采样 N 个输出，供下游开发者使用。实际实现中，通过 F1 和 Accuracy 衡量出对于开头词的识别准确性。探索当训练时不在查询上加训练损失场景下数据抽取的可行性等。在模型经过了 SFT 的后门训练之后，" cms-width="28" cms-height="25.7969"/>]article_adlist-->

中提取

发布者可利用后门从

，之后，仍然可以秘密提取下游的私有微调数据。