paperbot · PL 论文追踪

全部论文 待读 收藏

P2 Can Large Language Models Comprehend Code Stylometry?

大语言模型能理解代码风格计量吗？
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 1/10 · 该论文聚焦代码作者归属（CAA）任务，用 LLM 微调提升分类鲁棒性，属于安全与隐私方向，与静态分析、Agentic 程序分析、浮点/贝叶斯程序分析等核心方向无直接关联；其研究目标本身偏 LLM 能力评估，更接近用户明确不感兴趣的类别。引用 3 inbox
Atish Dipongkor
机器学习与程序语言安全与隐私
crossref: 2026-09-12dblp: 2026-09-12

AI 速览

一句话：微调五个大语言模型用于代码作者归属，发现其比传统方法更稳健、更抗对抗攻击。

代码作者归属（CAA）可用于版权纠纷、剽窃检测与刑事起诉等场景。现有研究多采用机器学习与深度学习方法，但基于 ML 的技术需要人工特征工程，且容易受到对抗攻击。本文首次系统地将大语言模型（LLM）用于该任务：作者微调了五个 LLM 进行代码作者归属，并在同一任务上评估其性能与鲁棒性。结果表明，相比现有技术，LLM 在 CAA 任务上表现更稳健，也更不易被对抗攻击攻破。这一发现说明 LLM 有望替代或补充依赖手工特征的传统方法，为代码风格计量研究提供新的基线。

问题
现有代码作者归属方法依赖人工特征工程，且对对抗攻击较为脆弱，难以在版权纠纷、剽窃检测等场景中可靠应用。
方法
作者微调五个大语言模型来完成代码作者归属任务，并将其性能与鲁棒性和已有 ML/DL 技术进行对比。
评估
在代码作者归属任务上评估五个微调 LLM 的归属性能与对抗鲁棒性，结果显示其比现有方法更稳健、更抗攻击。
原文摘要（Abstract）

Code Authorship Attribution (CAA) has several applications such as copyright disputes, plagiarism detection and criminal prosecution. Existing studies mainly focused on CAA by proposing machine learning (ML) and Deep Learning (DL) based techniques. The main limitations of ML-based techniques are (a) manual feature engineering is required to train these models and (b) they are vulnerable to adversarial attack. In this study, we initially fine-tune five Large Language Models (LLMs) for CAA and evaluate their performance. Our results show that LLMs are robust and less vulnerable compared to existing techniques in CAA task.

链接与引用

DOI 原文 · PDF（开放获取） · DBLP

BibTeX 
@inproceedings{Dipongkor24,
  title = {Can Large Language Models Comprehend Code Stylometry?},
  author = {Atish Dipongkor},
  booktitle = {ASE},
  year = {2024},
  doi = {10.1145/3691620.3695370}
}