一种用于自然语言处理的软件安全漏洞挖掘方法

本发明设计了一种用于自然语言处理的软件安全漏洞挖掘方法，可用于检测少量中毒样本训练的文本分类程序中的后门漏洞。通此方法不仅能够在混入少量后门样本的情况下有效检测到NLP模型中的后门漏洞，还提高了生成的后门样本的有效性和隐蔽性，对当前NLP模型的安全性提出了新的挑战与防御思路。实验结果证明，本发明在不同的预训练模型上均能有效检测出后门漏洞，并且相比其他现有技术，在后门样本的质量和有效性方面具有显著优势。